Evaluating regional variation in neighbourhood socioeconomic inequalities in motor vehicle injury collisions
Notice bibliographique
Résumé
Disadvantaged communities have higher rates of traffic injury. Our goal was to measure regional variation in the association between small-area socioeconomic deprivation and motor vehicle crashes resulting in injury within British Columbia, Canada. We analyzed road traffic injury crashes from universal auto insurance claims (2019-2023) across 16 urban regions of British Columbia, aggregated by census dissemination areas (DAs). We measured socioeconomic deprivation using the Vancouver Area Neighbourhood Deprivation Index, a normalized score combining seven health-related sociodemographic variables applied to the 2021 Canadian census. We examined associations between deprivation and three injury crash types (motor vehicle, bicycle-motor vehicle, and pedestrian-motor vehicle) using Bayesian spatial regression models. Increased socioeconomic deprivation was consistently associated with higher injury crash incidence across all crash types, with regional variation in the strength of the relationship. Among the most populous regions, a one standard deviation increase in deprivation was associated with injury crash increases from 17 % (95 % Credible Interval [CI]: 12 %-21 %) in Vancouver-Fraser Valley to 51 % (95 % CI: 36 %-68 %) in the Okanagan region. Similar patterns were observed for cyclist injuries, from 10 % (95 % CI: 4 %-16 %) in Vancouver-Fraser Valley to 64 % (95 % CI: 38 %-93 %) in Okanagan, and for pedestrian injuries, from 17 % (95 % CI: 11 %-24 %) in Vancouver-Fraser Valley to 77 % (95 % CI: 48 %-110 %) in Okanagan. Smaller regions had wide credible intervals and more uncertainty in associations. To address spatial inequalities, prioritization of the placement of road safety interventions should incorporate equity considerations, as well as area-level interventions that address fundamental risk factors of traffic volume and speed.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».