MétaCan
Menu
Retour à la cohorte
Enregistrement W4412436868 · doi:10.1136/ip-2024-045601

‘Road safety is no accident’: building efficient road safety lead agencies, strategies and targets in the world, 2009–2023

2025· article· en· W4412436868 sur OpenAlexfundno aff
Matts-Åke Belin, Meleckidzedeck Khayesi, Nhan Tran

Notice bibliographique

RevueInjury Prevention · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensnon disponible
Organismes subventionnairesBloomberg PhilanthropiesCanadian Institute for Theoretical AstrophysicsWorld Health Organization
Mots-clésBusinessOccupational safety and healthTransport engineeringCorporate governanceEnvironmental healthEngineeringPolitical scienceFinanceMedicine

Résumé

récupéré en direct d'OpenAlex

The objective of this study is to examine the pattern in building road safety lead agencies, national strategies and national quantified targets in the world in the period 2009-2023. This was done through an analysis of reported presence of road safety lead agencies, national strategies and national quantified targets based on data collected through a questionnaire for five global status reports on road safety. The results show that there has been a steady growth in road safety lead agencies, national strategies and quantified targets globally and by WHO regions in the period 2009-2023. While, on the one hand, substantial increases in these three governance features were observed in Africa and the Americas, on the other hand, slight declines were observed in these features in Europe and some countries in the Pacific. In conclusion, there has been a steady growth in the number of road safety lead agencies, national strategies and quaantified targets globally and by WHO regions in the period 2009-2023. However, there were declines in these governance tools in some countries. Further resarch into how efficiently these tools are being used is needed to provide insights into the effectiveness of road safety policies, organisations and institutions worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,465
Écart entre enseignants0,415 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetOccupational Health and Safety ResearchTravaux en français237 207