Motor vehicle collision (MVC) emergency department (ED) visits and hospitalisations in Ontario during the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic policy response dramatically changed local transportation patterns. This project investigated the impact of COVID-19 policies on motor vehicle collision (MVC)-related emergency department (ED) visits and hospitalisations in Ontario. METHODS: Data were collected on MVC-related ED visits and hospitalisations in Ontario between March 2016 and December 2022. Using an interrupted time series design, negative binomial regression models were fitted to the pre-pandemic data, including monthly indicator variables for seasonality and accounting for autocorrelation. Extrapolations simulated expected outcome trajectories during the pandemic, which were compared with actual observed outcome counts using the overall per cent change and mean monthly difference. Data were modelled separately for vehicle occupants, pedestrians and cyclists (MVC and non-MVC injuries). RESULTS: There was a 31.5% decrease in observed ED visits (95% CI -35.4 to -27.3) and a 6.0% decrease in hospitalisations (95% CI -13.2 to 1.6) among vehicle occupants, relative to expected counts during the pandemic. Results were similar for pedestrians. Among cyclist MVCs, there was an increase in ED visits (12.8%, 95% CI -8.2 to 39.4) and hospitalisations (46.0%, 95% CI 11.6 to 93.6). Among non-MVC cyclists, there was also an increase in ED visits (47.0%, 95% CI 12.5 to 86.8) and hospitalisations (50.1%, 95% CI 8.2 to 101.2). CONCLUSIONS: We observed fewer vehicle occupant and pedestrian collision injuries than expected during the pandemic. By contrast, we observed more cycling injuries than expected, especially in cycling injuries not involving motor vehicles. These observations may be attributable to changes in transportation patterns during the pandemic and increased uptake of recreational cycling.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».