Major Traffic Safety Reform and Road Traffic Injuries Among Low-Income New York Residents, 2009–2021
Notice bibliographique
Résumé
Objectives. To evaluate the effects of a comprehensive traffic safety policy—New York City’s (NYC’s) 2014 Vision Zero—on the health of Medicaid enrollees. Methods. We conducted difference-in-differences analyses using individual-level New York Medicaid data to measure traffic injuries and expenditures from 2009 to 2021, comparing NYC to surrounding counties without traffic reforms (n = 65 585 568 person-years). Results. After Vision Zero, injury rates among NYC Medicaid enrollees diverged from those of surrounding counties, with a net impact of 77.5 fewer injuries per 100 000 person-years annually (95% confidence interval = −97.4, −57.6). We observed marked reductions in severe injuries (brain injury, hospitalizations) and savings of $90.8 million in Medicaid expenditures over the first 5 years. Effects were largest among Black residents. Impacts were reversed during the COVID-19 period. Conclusions. Vision Zero resulted in substantial protection for socioeconomically disadvantaged populations known to face heightened risk of injury, but the policy’s effectiveness decreased during the pandemic period. Public Health Implications. Many cities have recently launched Vision Zero policies and others plan to do so. This research adds to the evidence on how and in what circumstances comprehensive traffic policies protect public health. ( Am J Public Health. 2024;114(6):633–641. https://doi.org/10.2105/AJPH.2024.307617 )
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».