THE IMPACT OF NON-PHARMACEUTICAL COVID-19 INTERVENTIONS ON ROAD SAFETY ACROSS QUEBEC
Notice bibliographique
Résumé
The association between non-pharmaceutical COVID-19 (NP-COVID-19) interventions, which aimed to regulate public behaviour to curb the spread of COVID-19, and road safety has become a significant focus in understanding the unintended consequences of the pandemic. This study concentrates on 17 administrative units to assess the impact of NP-COVID-19 interventions on traffic injuries, and fatalities. Interrupted time-series analyses were conducted from 2015 to 2022, using daily traffic fatality and injury data per 100.000 population. A COVID-19 NP interventions index for Quebec (QCnPI-Index) was created based on 58 interventions implemented from March 2020 to July 2022 in each administrative unit. The association between QCnPI-Index and the two outcomes was mixed. Outaouais, Laval and Laurentides were the only regions where traffic fatalities were significantly reduced. Decreases by 97% (Incidence Rate Ratio [IRR]: 0.03, 95% Confidence Interval [CI]): 0.01,0.62), 99.0% (IRR: 0.01, 95% CI: 0.00,0.27) and 88% (IRR: 0.12, 95% CI:0.02,0.58) were observed respectively. Traffic light injuries significant reductions, except for Côte-Nord and Nord-du-Québec, were observed in 15 regions. The highest reduction of traffic injuries was observed in Laval with a 76% decrease (IRR: 0.24, 95% CI:0.17,0.34). The findings underscore the complex relationship between NP-COVID-19 interventions and road safety, emphasizing the need for comprehensive efforts to understand their diverse effects. Further investigation is warranted to comprehend the discrepancy in the reduction of fatalities compared to injuries. This study highlights the importance of exploring additional factors, such as road safety interventions and analysing specific road users like pedestrians and cyclists, to better understand the impact of NP-COVID-19 interventions on road safety.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».