Les projections démographiques au service de la prévention des accidents de la route : l’exemple du Québec, 1995-2016
Bibliographic record
Abstract
Les projections démographiques permettent de prévoir le profil des victimes de la route et des conducteurs impliqués dans des accidents corporels au cours des vingt prochaines années et de mieux planifier les programmes de prévention et les services de soins requis par ces victimes. En 2016, le nombre de victimes de la route pourrait atteindre 803 décédés, 7276 blessés graves et 49 341 blessés légers (comparativement à une moyenne de 927 décédés, 6564 blessés graves et 43 122 blessés légers entre 1992 et 1994). L'évolution de la structure par âge de la population aurait pour effet de freiner la baisse du nombre de décédés et d'atténuer la hausse du nombre de blessés. On peut s'attendre à un net vieillissement des victimes de la route (plus important chez les femmes et les blessés plus graves). Une augmentation globale de 14 pour cent des conducteurs impliqués est prévue entre 1995 et 2016; cette hausse serait plus importante chez les conductrices (24,0 pour cent), en particulier celles de moins de 25 ans et celles de 45 ans et plus, que chez les conducteurs (9,5 pour cent).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".