Community-level infrastructure risk factors for motor vehicle injuries of car occupants and pedestrians: results from the PURE study
Notice bibliographique
Résumé
Disproportionately more of the world's fatalities and injuries on the roads occur in low- and middle-income countries, despite these countries having approximately only 60% of the world's vehicles. Injury rates due to motor-vehicles are related to a complex multidimensional array of risk factors, embedded in the social and economic infrastructure of a country or region. Whether environmental infrastructure factors differ in determining the risk of an injury for motor vehicle occupants compared to pedestrians and other vulnerable road users has not been extensively studied. We explored the role of environmental infrastructure factors on motor-vehicle-related non-fatal injury using the Prospective Urban and Rural Epidemiology (PURE) cohort study of 162,793 adults from 23 high-, middle- and low-income countries. As expected, low-income countries had slightly higher motor vehicle injury rates, with pedestrians tending to have higher injury rates in these countries. There was considerable variation in motor vehicle injury rates within country-income-categories, while there were similarities in motor vehicle injury rates despite large differences in motorization of countries. There was a meaningful community effect on motor vehicle injury rates. We found that community-level infrastructure risk factors for motor vehicle injuries differed for car occupants and for pedestrians, with road quality and alcohol use being the main factors associated with an injury for car occupants, while poor roadside infrastructure (streetlights, sidewalks) and alcohol use were the main risk factors for an injury as a pedestrian. Active transport, such as walking and bicycling, are being promoted as leading to healthy lifestyle habits and reduced pollution. These require improved walkability for pedestrians, but also separation from motorized vehicles, which leads to recommending that low-and middle-income countries devote more funds for roadway quality and streetlight infrastructure. Policies to reduce motor vehicle injuries should be supported at the national level, but should be specific at the community level, since they must be focused on the specific local infrastructure. Countermeasures for reducing road transport injuries for pedestrians have different risk factors than for reducing injuries for car occupants.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».