Bicycling crash circumstances vary by route type: a cross-sectional analysis
Notice bibliographique
Résumé
Background: Widely varying crash circumstances have been reported for bicycling injuries, likely because of differing bicycling populations and environments. We used data from the Bicyclists’ Injuries and the Cycling Environment Study in Vancouver and Toronto, Canada, to describe the crash circumstances of people injured while cycling for utilitarian and leisure purposes. We examined the association of crash circumstances with route type. Methods Adult cyclists injured and treated in a hospital emergency department described their crash circumstances. These were classified into major categories (collision vs. fall, motor vehicle involved vs. not) and subcategories. The distribution of circumstances was tallied for each of 14 route types defined in an earlier analysis. Ratios of observed vs. expected were tallied for each circumstance and route type combination. Results Of 690 crashes, 683 could be characterized for this analysis. Most (74%) were collisions. Collisions included those with motor vehicles (34%), streetcar (tram) or train tracks (14%), other surface features (10%), infrastructure (10%), and pedestrians, cyclists, or animals (6%). The remainder of the crashes were falls (26%), many as a result of collision avoidance manoeuvres. Motor vehicles were involved directly or indirectly with 48% of crashes. Crash circumstances were distributed differently by route type, for example, collisions with motor vehicles, including “doorings”, were overrepresented on major streets with parked cars. Collisions involving streetcar tracks were overrepresented on major streets. Collisions involving infrastructure (curbs, posts, bollards, street furniture) were overrepresented on multiuse paths and bike paths. Conclusions These data supplement our previous analyses of relative risks by route type by indicating the types of crashes that occur on each route type. This information can guide municipal engineers and planners towards improvements that would make cycling safer.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».