158 A comparative analysis of global child restraint use in nine cities
Notice bibliographique
Résumé
Background Road traffic injuries are the leading cause of death for children over five, and these deaths occur predominantly in low- and middle-income countries (LMICs). Despite the proven effectiveness of child restraints in reducing mortality by 60%, utilization rates are critically low in these regions. Unfortunately, child restraint use is extremely low in LMICs, with rates below 10% in some Latin American countries. Moreover, the WHO has no child restraint use data in major regions including Africa, Eastern Mediterranean, and South-East Asia. This study, funded by the Bloomberg Philanthropies Initiative for Global Road Safety, evaluates child restraint usage across nine global cities. Methods Observational data were collected in eight rounds from February 2015 to March 2019, in Accra, Addis Ababa, Bandung, Bangkok, Bogota, Fortaleza, Ho Chi Minh City, Mumbai, and Sao Paulo. Observations included the child’s age, use of child restraint, seat position, vehicle type, day, and road type. Results From 43,619 observations, the prevalence of child restraint use was 16.23% for under-fives and 3.24% for ages five to eleven. Sao Paulo had the highest under-five usage at 53.54%, and Bandung had the lowest, at 2.23%. Children over five showed the highest restraint usage in Bangkok and Sao Paulo, both above 16%, while the remaining cities fell below 10%. Sedans and SUVs had higher restraint usage rates, with lower rates noted on Fridays and on local roads. A significant number of children were improperly seated in the front seat. Conclusion The low and variable rates of child restraint use in these nine cities highlight a critical public health issue. Potential barriers to child restraint use include availability, affordability, and lack of necessary infrastructure, such as seat belts in older vehicles. The ongoing analysis aims to identify factors influencing restraint use and track changes over time. The findings underscore the urgency for improved vehicle standards and stronger policies to enhance child passenger safety globally.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».