תאונות דרכים בקרב גילאים מבוגרים

---

רקע:

לפי נתוני ארגון הבריאות העולמי, כ-1.2 מיליון בני אדם נהרגים ועד 30 מיליון נפצעים בתאונות דרכים מדי שנה ברחבי העולם. מספר סיבות וגורמים תורמים לכך שתאונות דרכים נחשבות כדאגה משמעותית לבריאות הציבור, במיוחד עם הזדקנות האוכלוסייה ותאונות דרכים שבהן מעורבים נהגים מבוגרים.

המחקר הנוכחי חוקר משתנים שונים המשפיעים על מספר תאונות הדרכים בקבוצות גיל שונות. על ידי ניתוח נתוני תאונות בעולם האמיתי, אנו שואפים לזהות דפוסים וגורמי סיכון המשפיעים על נהגים קשישים. נבדקה תדירות התאונות לפי תנאי מזג האוויר, סוגי תאונות ורמות חומרה, באמצעות אימות צולב של כל פרמטר. קבוצות הגיל של הנהגים סווגו לפי תעריפי ביטוח רכב “מגדל”. הנתונים לקחו מהלשכה המרכזית לסטטיסטיקה.

מטרת מחקר זה, היא לספק הבנה מעמיקה יותר של הגורמים המשפיעים על תאונות דרכים בקרב נהגים קשישים, במטרה לפתח אסטרטגיות והתערבויות לשיפור בטיחותם בדרכים.

1.1 האם קיים קשר בתדירות תאונות הדרכים בין מזג האוויר לקבוצות הגיל השונות? {אמלי בין סדון}

ספריות שנעשה בהן שימוש לטובת שאלת מחקר זו:

library(tidyverse)#includes ggplot2, dplyr and tidyr packages 
library(ggplot2)
library(plotly) #3D graphs, statistical charts, SVG maps, financial charts etc.
library(plotrix) #provides plotting, labeling, and axis & color scaling functions
library(car) #contains mostly functions for applied regression,linear models and generalized linear models, with an emphasis on regression diagnostics.
library(DescTools) #Mode function
library(gmodels)#Tools for fitting linear models that complement those in base R 
library(ggstatsplot)# plotting a stacked bar graph
library(data.table)
library(reshape2)
library(vcd)
library(fmsb)
library(stats)
library(MESS)#Goodman Kruskal Gamma Correlation

סטטיסטיקה תיאורית:

העלה של הקבצים שאיתם אנו נעבוד: שימוש בקבצים המורכבים של הלמ”סת 3 שנים שונות (2015,2016,2018 – ללא שנת קורונה) קיימים סך הכל 50 משתנים שונים

חילוק קבוצות לפי ביטוח רכב “מגדל”:

• עד גיל 24: נהגים חדשים (15-19): פרמיה גבוהה מאוד , נהגים צעירים (20-24): פרמיה גבוה

• נהגים ותיקים: (25-29): פרמייה נמוכה יותר בהשוואה לנהגים צעירים עקב ניסיום רב ,(30-49) : פרמייה זולה משמעותית, נהגים עם וותק רק ונחשבים אחריים (משפחה,הורים)

• נהגים מבוגרים: (50-69): ירידה נוספות בפרמייה

• נהגים בגיל הצהב: (70-85): פרמייה גבוהה יחיסת וקיימת אפשרות ביטוח לארח שיחת התייצות עם רופא ואישור וועדת חריגים.

חיבור הקבצים השונים ובדיקה על דימיון בין השנים:

2015:

#Most frequent Weather Condition2015:
Mode(Data2015Winter_1$MEZEG_AVIR)

## [1] 1
## attr(,"freq")
## [1] 12654

summary(subset_matrix2015Winter)

##      Bright         Rainy           Foggy          HeatWave    
##  Min.   :3860   Min.   :327.0   Min.   :0.000   Min.   : 0.00  
##  1st Qu.:4038   1st Qu.:469.5   1st Qu.:2.000   1st Qu.:11.00  
##  Median :4216   Median :612.0   Median :4.000   Median :22.00  
##  Mean   :4218   Mean   :573.7   Mean   :3.333   Mean   :23.33  
##  3rd Qu.:4397   3rd Qu.:697.0   3rd Qu.:5.000   3rd Qu.:35.00  
##  Max.   :4578   Max.   :782.0   Max.   :6.000   Max.   :48.00

2016:

#Most frequent Weather Condition2016:
Mode(Data2016Winter_1$MEZEG_AVIR)

## [1] 1
## attr(,"freq")
## [1] 12496

summary(subset_matrix2016Winter)

##      Bright         Rainy          HeatWave   
##  Min.   :3289   Min.   :365.0   Min.   : 2.0  
##  1st Qu.:3824   1st Qu.:647.0   1st Qu.:11.5  
##  Median :4359   Median :929.0   Median :21.0  
##  Mean   :4165   Mean   :754.3   Mean   :15.0  
##  3rd Qu.:4604   3rd Qu.:949.0   3rd Qu.:21.5  
##  Max.   :4848   Max.   :969.0   Max.   :22.0

2018:

#Most frequent Weather Condition2018:
Mode(Data2018Winter_1$MEZEG_AVIR)

## [1] 1
## attr(,"freq")
## [1] 11657

summary(subset_matrix2018Winter)

##      Bright         Rainy            Foggy           HeatWave     
##  Min.   :2978   Min.   : 258.0   Min.   : 0.000   Min.   : 0.000  
##  1st Qu.:3520   1st Qu.: 565.0   1st Qu.: 2.000   1st Qu.: 0.000  
##  Median :4063   Median : 872.0   Median : 4.000   Median : 0.000  
##  Mean   :3886   Mean   : 769.7   Mean   : 6.333   Mean   : 7.667  
##  3rd Qu.:4340   3rd Qu.:1025.5   3rd Qu.: 9.500   3rd Qu.:11.500  
##  Max.   :4616   Max.   :1179.0   Max.   :15.000   Max.   :23.000

אפשר לראות ש3 השנים מאוד דומים בתאונות הדרכים בחודשי החורף. בולט הוא שב2016 לא מועפים תאונות דרכים במזג אוויר ערפלי. עקב זה שבשנים האחרות אתונות דרכים עם מזג אוויר ערפל הוא אפסי, אנו לא מתייחסים לנתון החוסר זה. מפה נסיק שניתן לחבר בין 3 הטבלאות.

הצגה גרפית של תדירות תאונות הדרכים לפי חודשי השנה:

חיבור בין 3 הדטאות השונים:

:::

:::

בתרשים זה מאוד ברור לראות שהמשתנה מזג אוויר לא מספיק “משתנה”. הקטגוריה “בהיר” הכי דומיננטית. כדי לטפל בביעה זו החלתתי להתרכז רק בחודשי החורב (ינאור, בפרואר ודצמבר) בשנים אלו
ובנוסף להוסיף משתנה “יום ולילה”. ב4 תרשימים האבהים אפשר לראות תהליך המתאר את החיתוך של הנתונים מחדש, עד העגה לטבלת נתונים שאיתם נמשיך לבצע מבחנים סטטיסטים כדי לענות על שאלת המחקר.

הצגת שינוי הנתונים על ידי גרפי עוגה תלת מימדיים:

Figure 1

Figure 2