Améliorer la sécurité à vélo chez les enfants et les adolescents
Bibliographic record
Abstract
Le vélo demeure une activité populaire pour les enfants et les adolescents du monde entier; elle combine le plaisir de se déplacer rapidement et de nombreux avantages pour la santé et la société. Cependant, le vélo est également associé à un risque de blessures graves et de décès. Depuis dix ans, les recherches démontrent de plus en plus que l'amélioration de la sécurité des cyclistes dépend en grande partie de l'environnement dans lequel ils se déplacent et de mesures de sécurité individuelles comme le port du casque. Pour de nombreux enfants et adolescents, la pandémie a accru les possibilités de faire du vélo et, et elle ramené l'attention du public vers des infrastructures cyclables sécuritaires, telles que des voies cyclables réservées. Le présent document de principes passe en revue les données probantes en appui à des infrastructures cyclables plus sécuritaires pour les enfants et les adolescents, de même que les bienfaits du vélo pour la santé physique et mentale. Les avantages du transport actif chez les jeunes et l'influence de l'environnement bâti sur la sécurité et l'adoption du vélo sont exposés. Un aperçu des mesures que chacun peut prendre pour améliorer la sécurité à vélo est suivi de recommandations pour les cliniciens, la communauté des cyclistes, les parents et les décideurs.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".