Environmental measures to improve pedestrian safety in low- and middle-income countries: a scoping review
Notice bibliographique
Résumé
OBJECTIVES: This scoping study aims to identify environmental road safety measures implemented in low- and middle-income countries (LMICs) to reduce pedestrian injuries from collisions with motor vehicles. METHODS: This review followed Arksey and O'Malley's approach and reported results using the PRISMA-SCR 2018 checklist. A literature review was conducted in Medline, Google Scholar, and the Transport Research International Documentation database using keyword-derived medical subject heading terms. A total of 14 articles met the pre-established inclusion criteria and were analyzed using a data extraction matrix. The findings were categorized methodically into three prominent themes: (1) methods for reducing pedestrian exposure, (2) traffic calming strategies, and (3) measures for enhancing pedestrian visibility. RESULTS: Traffic calming strategies, including vehicular speed reduction, roadway contraction, and vertical and horizontal diversionary tactics, emerged as the most effective interventions for reducing pedestrian injuries within LMICs. Conversely, interventions geared towards minimizing pedestrian exposure, such as zebra crossings, crosswalks controlled by traffic signals, underpasses, or overpasses, often produced minimal effects, and occasionally exacerbated the risk of pedestrian accidents. Lack of pedestrian visibility due to density of street vendors and parked vehicles was associated with a higher risk of injuries, while billboards impaired drivers' attention and increased the likelihood of collisions with pedestrians. DISCUSSION: In LMICs, the effectiveness of environmental measures in reducing vehicle-pedestrian crashes varies widely. In the face of resource constraints, implementing interventions for pedestrian safety in LMICs necessitates careful prioritization and consideration of the local context.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».