Characteristics of people who report both driving after drinking and driving after cannabis use
Notice bibliographique
Résumé
After alcohol, cannabis is the recreational drug most often found among dead or injured drivers. While the effects of alcohol on driving risks are well-described, the effects of cannabis on driving risks are less well understood. We have observed, in survey data, that the chances of past year collisions among drivers who report driving after drinking alcohol (DUIA) are significantly increased, and similarly that the chances of past year collisions among drivers who report driving after cannabis use (DUIC) are also significantly increased. Recently, we examined drivers who reported both DUIA and DUIC (DUIC+A) and found that the past-year collision risk in this group, at 30.5 per cent, was 2-4 times that seen among drivers who reported either behaviour by itself. This DUIA+C group may be an important risk group, and the purpose of this study was to explore factors that might distinguish this group from other drivers. Data were derived from the CAMH Monitor, an ongoing population survey of Ontario adults (18 years and older). Preliminary analyses reveal important differences by age group, with younger drivers being significantly more likely to report DUIA, DUIC and DUIA+C. Drivers who reported any DUIC were also more likely to report DUIA+C than drivers who reported any DUIA. Our analyses provide further confirmation that individuals who fall in this DUIA+C group are an important group from road safety perspectives. Further analyses will consider the potential impact of frequency of substance use, substance related problems, and indicators of mental health problems on the likelihood of an individual being in the DUIA+C group.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».