MétaCan
Menu
Retour à la cohorte
Enregistrement W7097996201

The prevalence of road rage: Estimates from Ontario.Canadian

2003· article· en· W7097996201 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueRabies epidemiology and control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThreatened speciesLogistic regressionTelephone surveyPopulationRage (emotion)Household incomePoison controlMarital status
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: “Road rage ” has increasingly generated public concern, however, the prevalence of this behaviour has not been available. We examine the prevalence and demographic correlates of road rage victimization and perpetration based on a population survey of adults in Ontario. Methods: Data are based on the CAMH Monitor, a repeated cross-sectional telephone survey of Ontario adults (n=1,395). The contribution of demographic factors to road rage was examined with logistic regression analysis. Results: About half of respondents (46.6%) were shouted at, cursed at or had rude gestures directed at them in the past year, and 7.2 % were threatened with damage to their vehicle or personal injury. Nearly a third of respondents (31.7%) admitted to shouting, cursing, etc. at someone, and 2.1 % threatened to hurt someone or damage their vehicle. Being a Toronto resident, being younger, and earning a higher income were associated with greater likelihood of being a victim of shouting, cursing and rude gestures; however, income was not associated with being threatened with vehicle damage or injury. The

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,246
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRabies epidemiology and controlTravaux en français237 207