Paramedics’ motor vehicle collisions in a metropolitan area of Quebec: statistical analysis
Bibliographic record
Abstract
The objective of this thesis is to review the literature on ambulance collisions, focusing on their prevalence, characteristics, and risk factors, and to conduct a retrospective analysis of ambulance collisions in Quebec, Canada, between 2010 and 2020. To achieve this objective, a systematic review of 26 studies published in PubMed between January 1990 and July 2021 was performed, and a retrospective analysis of ambulance collisions in Quebec was conducted using data from the Société de l’assurance automobile du Québec (SAAQ) and Urgences-santé. The prevalence, characteristics, and risk factors of ambulance collisions were analyzed, and statistical tests, descriptive analysis, and logit regression were used to compare ambulance and general vehicle collisions in 17 regions of Quebec. The results (systematic review) showed that ambulance collisions were more prevalent and severe than collisions involving other professional drivers or similarly sized vehicles. Younger and less experienced drivers were more likely to be involved in ambulance collisions, which were more likely to occur in urban areas, at intersections, and while responding to emergency calls. The retrospective analysis revealed that ambulance collisions occurred most frequently near intersections or between intersections, in commercial areas, and on two-way roads. The severity of ambulance collisions was associated with factors such as asphalt conditions, collision types, and locations. In conclusion, ambulance collisions pose a significant risk to the safety of medical emergency responders, and tailored preventive policies and programs are needed to reduce the burden of these occupational collisions. Targeted interventions are required to reduce the risk of collisions at intersections and while responding to emergency calls, particularly for younger and less experienced paramedics who should be a particular focus of training and awareness programs. \n \nL'objectif de cette thèse est de passer en revue la littérature sur les collisions impliquant des ambulances, en se concentrant sur leur prévalence, leurs caractéristiques et leurs facteurs de risque, et de réaliser une analyse rétrospective des collisions d’ambulances au Québec, Canada, entre 2010 et 2020. Pour atteindre cet objectif, une revue systématique de 26 études publiées dans PubMed entre janvier 1990 et juillet 2021 a été réalisée, et une analyse rétrospective des collisions d'ambulances au Québec a été effectuée à partir des données de la Société de l'assurance automobile du Québec (SAAQ) et d'Urgences-santé. La prévalence, les caractéristiques et les facteurs de risque des collisions avec les ambulances ont été analysés, et des tests statistiques, une analyse descriptive et une régression logit ont été utilisés pour comparer les collisions avec les ambulances et les collisions avec les véhicules en général dans 17 régions du Québec. Les résultats (Revue systématique) ont montré que les collisions avec des ambulances étaient plus fréquentes et plus graves que les collisions impliquant d'autres conducteurs professionnels ou des véhicules de taille similaire. Les conducteurs plus jeunes et moins expérimentés étaient plus susceptibles d'être impliqués dans des collisions avec des ambulances, qui étaient plus susceptibles de se produire dans des zones urbaines, à des intersections et en répondant à des appels d'urgence. L'analyse rétrospective a révélé que les collisions avec des ambulances se produisaient le plus souvent près des intersections ou entre les intersections, dans les zones commerciales et sur les routes à double sens. La gravité des collisions entre ambulances est liée à des facteurs tels que l'état de l'asphalte, les types de collisions et les lieux. En conclusion, les collisions entre ambulances représentent un risque important pour la sécurité des intervenants médicaux d'urgence, et des politiques et programmes préventifs adaptés sont nécessaires pour réduire le fardeau de ces collisions professionnelles. Des interventions ciblées sont nécessaires pour réduire le risque de collision aux intersections et lors des interventions d'urgence, en particulier pour les ambulanciers plus jeunes et moins expérimentés, qui devraient faire l'objet de programmes de formation et de sensibilisation.
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 | 0.012 | 0.043 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.007 |
| Bibliometrics | 0.022 | 0.030 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".