评估防护装备对道路交通事故中儿童受伤严重程度的影响：一种可解释的机器学习与反事实分析方法

《International Journal of Injury Control and Safety Promotion》：Evaluating the impact of protective equipment on child injury severity in road traffic crashes: an explainable machine learning and counterfactual analysis approach

儿童保护装备使用对道路事故伤害严重性的影响研究，基于69008名18岁以下参与者数据，运用XGBoost模型分析发现正确使用安全座椅、头盔等装备可显著降低受伤风险，反事实模拟显示64%案例因装备使用改善而减少伤害，15%案例因未使用头盔等装备而恶化。SHAP分析表明座位位置和参与者类型是主要预测因子。

　　

摘要

本研究评估了正确使用儿童防护装备（儿童约束系统、安全带和头盔）对涉及警方报告的道路交通事故中儿童的受伤严重程度预测的影响。分析了69,108名18岁以下参与者的数据，涵盖了乘员、车辆、道路、环境及防护因素等方面。XGBoost分类器的ROC AUC值为0.8186，且在准确率、精确度和召回率方面表现均衡。通过SHAP解释方法发现，乘坐位置和参与者类型是最具影响力的预测因素。假设所有参与者都严格遵守防护装备使用规定的反事实模拟结果显示：64例情况下受伤情况有所改善，而15例情况反而恶化。不佩戴头盔是最常见的违规行为。一致且正确地使用防护装置能够显著降低受伤的严重程度。这种可解释的机器学习方法及反事实分析框架量化了遵守规定的益处，并为有针对性的教育、执法及车辆安全设计提供了可操作的依据。该方法也可应用于其他弱势群体，包括孕妇乘客。