MétaCan
Menu
← Retour à la cohorte
Enregistrement W7025191307

Worldwide trends in alcohol and drug impaired driving.

2004· other· en· W7025191307 sur OpenAlexaboutno aff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2004
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeveloped countryEuropean unionHarmonizationPublic healthPoliticsDeveloping countryPoison controlEu countries
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Improved laws, enhanced enforcement, and public awareness brought about by citizens' concern, during the 1980s led to dramatic declines in drinking and driving in the industrialized world. The declines included about 50% in Great Britain, 28% in The Netherlands, 28% in Canada, 32% in Australia, 39% in France, 37% in Germany, and 26% in the United States. Some of these declines may be due in part to lifestyle changes, demographic shifts, and economic conditions. In most countries the declines reversed in the early 1990s and drinking and driving began to increase. By the middle of that decade the increases stabilized and the rates of drinking and driving again began to decline. These decreases were much less dramatic than those in the 1980s. Approaching the end of the 1990s and early in the new century, the record has been mixed. Some countries (France and Germany (until 2002)) continued to reduce drinking and driving while in other countries (Canada, the Netherlands, Great Britain, and the United States), there was stagnation and in some cases small increases or even large increase as was the case in Sweden. Complacency and attention to other issues in recent years have been difficult to overcome in some countries. Harmonization of traffic safety laws in the European Union has strengthened laws in some countries but threatens existing strong policies in others. It may be that the major gains have already been made and that additional progress will require a much greater level of scientific knowledge, use of new and emerging technologies, and political and social commitment to put in place proven countermeasures. (Author/publisher).

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,017
Tête enseignante GPT0,268
Écart entre enseignants0,251 · 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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Travaux en français237 207→