Bicycling injuries in children and the role of the built environment: a case-crossover study
Notice bibliographique
Résumé
BACKGROUND: Bicycling has many health benefits for children but can result in injuries. The built environment is associated with the risk of bicycling injury in adults, yet less is known about risks for children. This study sought to explore associations between built environment characteristics and child bicyclist injuries in three Canadian municipalities. METHODS: A case-crossover design where injured child bicyclists provided their injury site and two control sites along their route was used. Participants were recruited from three paediatric emergency departments in Vancouver, Calgary and Toronto. We recruited 333 injured child bicyclists (ages 5-17) from May 2018 to October 2021. Participants completed interviews that captured details concerning their injury location and route. We conducted built environment audits along the child's bicycling route at the injury and two control sites. We compared the odds of injury across built environment characteristics of the injury and control sites using a mixed-effects logistic regression model. RESULTS: The median route distance to the injury location was 742 m. Most participants were injured while bicycling on local streets and on sidewalks/paths next to the road. Compared with sidewalks/paths next to the road, unpaved off-road locations (adjusted OR (aOR): 2.45; 95% CI 1.33 to 4.51) were associated with higher odds of injury. Other risk factors included locations with debris (aOR: 1.52; 95% CI 1.05 to 2.21), surfaces with bumps/holes (aOR 2.14, 95% CI 1.25 to 3.66) and construction (aOR: 2.31; 95% CI 1.37, 3.91). CONCLUSION: This study adds to evidence suggesting built environment supports are important for increasing bicycling safety for Canadian children.
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 | 0,001 | 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 ».