برآورد یک‌ساله سهم منتسب جمعیتی مهم‌ترین عوامل خطر انسانی سوانح ترافیکی در بزرگراه‌ها و خیابان‌های تهران بزرگ

مقدمه و اهداف: خطای انسانی از مهم ترین علت های مرتبط با مرگ و مصدومیت ناشی از سوانح ترافیکی است که سهم کمی آن کمتر مطالعه شده است. هدف این مطالعه محاسبه یک ساله سهم منتسب جمعیتی (population attributable fraction) این سبب ها در تهران بزرگ است.روش کار: در این مطالعه از اطلاعات ثبت شده 124518 نفر در فرم کام 114 مرکز اطلاعات و ارتباطات راهنمایی و رانندگی کشور (فاوا)، در سال 1393 استفاده شده است. برای برآورد اندازه ی اثر تخلفات رانندگان دچار سانحه در خیابان و بزرگراه از نسبت بروز خطر تعدیل یافته (adjusted relative risk) توسط مدل رگرسیون استفاده شد. برآورد سهم منتسب جمعیتی و اندازه اثر بر اساس نسبت بروز خطر (rr) و با استفاده از روش برازی یا فرمول میتینن سهم منتسب جمعیت محاسبه شد.یافته ها: سهم منتسب جمعیتی حرکت با دنده عقب در خیابان ها 1.98درصد و عدم رعایت فاصله طولی 1.93درصد بود. این رفتارها به ترتیب 22 و 23 درصد خطر جرح ناشی از سوانح ترافیکی را افزایش می دهد. در بزرگراه ها بیشترین سهم منتسب جمعیتی، به حرکت با دنده عقب 1.96 درصد، تغییر مسیر ناگهانی 1.90 درصد و تجاوز از سرعت مقرر 1.87 درصد مربوط بود. تجاوز از سرعت مقرر 23 درصد خطر جرح ناشی از سوانح ترافیکی را افزایش می دهد.نتیجه گیری: نظارت بر تخلفات رانندگان و کنترل دقیق آن ها در خیابان ها می تواند تا 10 درصد از تصادفات جرحی پیشگیری نماید. همچنین در بزرگراه ها، به کارگیری راهکارهایی برای ممانعت از تخلفات رانندگی موردبررسی در این مطالعه، می توان تا حدود 15 درصد از تصادفات منجر جرح را پیشگیری نمود.

Estimation of Annual Population Attributable Fraction of the Most Important Human Risk Factors for Road Traffic Injuries (RTIs) on Highways and Streets of the Great Tehran

Background and Objectives: Human errors are the most important factors for RTIs, which have been addressed in few quantitative studies. The objective of this study was to calculate the annual population attributable fraction (PAF) of the most important human risk factor for RTIs in the streets and highways of the Great Tehran. Methods: In this study, the data of 124518 individuals registered in the COM114 form of the Police Information and Communication Technology (ICT FAVA) data system of the country were employed in 2014. A regression model was applied to estimate the magnitude of the impact of traffic violations of drivers with RTIs using the adjusted relative risk ratio. To estimate the PAF, the prevalence and effect size were calculated based on the risk ratio (RR) using the baseline method or the Miettinen formula. Results: The PAF of driving in reverse gear and failure to observe safe distance was 1.98% and 1.93%, respectively. Driving in the reverse gear and failure to observe the safe distance increased RTIs by 22% and 23%, respectively. On the highways of the Great Tehran, the largest proportion of PAF was related to driving in reverse gear (1.96%), sudden movement of the car (1.90%), speeding (1.87%). Speeding increased the risk of RTIs by 23%. Conclusion: Monitoring traffic violations can decrease road crashes by 10% in the streets. Moreover, on highways, use of strategies to prevent traffic violations can decrease RTIs by up to 15%.