Impact of non-pharmaceutical COVID-19 interventions on cyclist and pedestrian injuries in five cities of the province of Quebec
Notice bibliographique
Résumé
The relationship between non-pharmaceutical COVID-19 (NP-COVID-19) interventions, which aimed to regulate public behavior to curb the spread of the virus, and road safety has become a crucial area of research to explore the unintended consequences of the pandemic. This study examines the five cities of Quebec, Canada, to assess the impact of NP-COVID-19 interventions on injuries and killed and severe traffic injuries involving cyclists and pedestrians . 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 developed, incorporating 58 interventions implemented from March 2020 to March 2022 across the cities. Multiple controls commonly used in road safety research, such as weather conditions and seasonal patterns, were applied. We divided the pandemic period into four distinct semesters to facilitate our understanding of changes within the pandemic. Our findings reveal a complex interaction between NPIs and road safety, with reductions in pedestrian injuries and KSI during periods of stringent NPIs, particularly in Montreal and Quebec City. Conversely, for cyclists, the impact varied, showing both increases and decreases in injuries and KSI across different cities and semesters. These results underscore the need for tailored road safety strategies that consider the unique patterns of pedestrian and cyclist mobility during pandemic-related disruptions.
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 ».