中低收入国家道路交通伤害预防的机遇和挑战

在智慧交通时代,道路交通伤害(road traffic injury,RTI)预防迎来了新的机遇,但全球中低收入国家的RTI预防情况仍不容乐观。本文主要综述了新技术在RTI预防中的应用给中低收入国家RTI预防带来的机遇,同时介绍了中低收入国家在RTI预防中的挑战,并对我国RTI预防的挑战进行分析。最后总结了新技术在RTI预防应用中的不足,缩小高收入国家与中低收入国家之间交通安全水平的差距需要全球协作实现。

应用聚类分析识别上海浦东新区道路交通事故模式

[目的]应用聚类分析方法对道路交通事故进行分类,识别不同事故的发生模式,为制定适应不同事故模式的干预措施提供依据。[方法]从上海市浦东新区交警事故处理记录数据库中调取自2010年1月1日—2016年12月31日期间共3 135起事故主要责任人信息。选取年龄、性别、时间、季度、天气、道路类型、路口路段、交通方式、事故原因9个变量作为分析变量,分别采取潜类别分析与系统聚类两种方法对交通事故进行聚类,分析聚类结果与伤害结局。[结果]潜类别分析可识别更多事故模式类别,优于传统系统聚类方法,潜类别分析聚类结果将事故发生模式分为6类,分别命名为"青中年机动车公路组""青中年客车一般道路组""青中年夜间摩托客车无证酒驾组""中老年电动车自行车组""中老年早晚步行组""青中年深夜机动车组"。各类别间伤害结局存在统计学差异(χ2=1 492.492,P<0.05),且伤害结局与事故分类具有相关关系(r=0.568,P<0.05)。各类别对健康结局的贡献以"中老年早晚步行组"最大,"中老年电动车自行车组"次之,"青中年客车一般道路组"最小。对比原始数据logistic回归模型与各类别logistic回归模型结果,发现事故被分类后,增加了新的伤害危险因素信息,且同一个自变量值在不同的事故模式中对伤害结局的贡献不同。[结论]对于本研究所用特定数据库潜类别分析在道路交通事故发生模式识别的结果优于传统聚类分析。中老年步行、骑行电动自行车违规横过机动车道以及青中年夜间驾驶机动车为该地区伤害高风险变量组合。