1 广西职业病防治研究院( 南宁 530021) 2 广西南宁市公安局交通警察支队( 530028)
[ 摘要] 目的 探讨道路交通违法行为的危险因素。方法 采用随机整群抽样方法, 通过专门设计的问卷调查收集 驾驶员的生理、心理、行为等相关情况。采用非条件 Logistic 回归进行单因素、多因素分析。筛选机动车驾驶员道路交通 违法行为的危险因素。 结果 共调查了 2 318 名无违法驾驶行为驾驶员和 4 389 名有违法驾驶行为驾驶员。 多因素回 归分析结果显示道路交通违法行为的危险因素有: 驾驶员的困乏打盹驾驶、近视眼、长时间驾驶、职业、驾驶人种类、每 日驾车时间、驾龄、文化程度、性别、既往交通事故史。结论 驾驶员的困乏打盹驾驶、长时间驾驶、近视眼、初中以下文 化程度与道路交通违法行为密切相关。
为因素与事故有关。异常的心理状态和身体条件状 况会影响驾驶安全 [8]。通过单因素分析可知驾驶员 道路交通违法行为与年龄、性别、驾龄、文化程度、驾 驶人种类、职业、每日驾驶时间、长时间驾驶、饮食不 正常驾驶、困乏打盹驾驶、近视眼和两年内交通事故 史有关, 而不良的驾驶习惯是引发道路交通违法驾 驶行为的危险因素。不良的驾驶习惯包括困乏打盹 驾驶、近视眼驾驶、每日驾驶时间过长、饮食不正常 驾驶。其中每日驾驶时间过长、饮食不正常易使驾 驶员产生疲劳, 驾驶过程困乏打盹, 使驾驶员对简单 和复杂反应时都增大, 面临突发情况时, 难于迅速做
0. 128 0. 005 0. 027 0. 018 0. 016 0. 015 0. 125 0. 318 0. 156 0. 097
6. 842 34. 974 5. 241 4. 967 15. 880 5. 532 4. 463 4. 180 4. 392 43. 280
0. 009 0. 001 0. 022 0. 026 0. 001 0. 019 0. 035 0. 041 0. 036 0. 001
13 6
文章编号: 1673- 758X( 2010) 03- 0136- 03
Applied Prev Med, June 2010, Vol 16 No. 3
中图分类号: R135
文献标识码: A
机动车驾驶员道路交通违法行为危险因素分析
黎美清 1, 杜 岩 1, 罗义学 2, 苏红帆 2, 王 灏 2, 肖 煌 2, 李京花 1
变量
性别 驾龄 文化程度 驾驶人种类 职业 每日驾车时间 长时间驾驶 困乏打盹 近视眼 交通事故史
表 2 道路交通违法行为多因素 Logistic 回归分析
SE
Wald
P
OR
0. 334 0. 031 0. 062 0. 040 0. 063 0. 036 0. 264 0. 651 0. 327 0. 639
2 结果
2. 1 道路交通违法驾驶行为单因素分析 以违法 驾驶行为为应变量, 各有关因素为自变量, 应用单因 素 Logistic 分析结果显示, 在 = 0. 05 的水平上, 影 响驾驶员交通安全驾驶行为的因素包括年龄、性别、
应用预防医学 2010 年 6 月第 16 卷第 3 期
表 1 道路交通违法行为单因素 Logistic 分析
基金项目: 广西壮族自治区科技厅资助项目( 桂科软 0799001- 36) 作者简介: 黎美清( 1960- ), 女, 广西南宁人, 副主任医师, 主要从 事职业卫生工作。 通讯作者: 杜岩, E- mail: dy0727@ 163. com
1. 2 方法 参照相关文献资料及预调查情况设计 道路交通驾驶行为调查表。调查内容包括( 1) 一般情 况: 性别、年龄、驾驶人种类、文化程度、职业等。( 2) 驾驶员相关情况: 包括驾龄、行车里程、平均每天驾 驶时间、饮酒情况、疾病史、日常驾驶常出现的驾驶 感觉或驾驶行为等。所有调查对象在调查员的指导 下填写 SCL- 90 测试表, 并进行机动车驾驶员身体 条件的检测, 包括身高、视力、色觉, 立体视觉反应 时。以上资料采用 SPSS 17. 0 统计软件进行处理分 析, 应用 Logistic 回归进行单因素和多因素分析, 计 算 OR 值、95% CI, 评价相关因素的作用, 筛选道路 交通违法驾驶行为的危险因素。两年内道路交通违 法驾驶行为记录由南宁市公安局交通警察支队提 供。
1 37
驾龄、文化程度、驾驶人种类、职业、每日驾驶时间、 长时间驾驶、饮食不正常驾驶、困乏打盹驾驶、近视 眼( 4. 6) 驾驶和两年内交通事故史等。见表 1。 2. 2 道路交通违法行为多因素 Logistic 回归分析 将单因素分析筛选出的危险因素进行多因素非条件 Logistic 回归分析, 采用向后删除法, 逐步筛选出较优 的方程。分析结果显示, 在 = 0. 05 的水平上, OR 值 由大到小的危险因素为驾驶员的困乏打盹驾驶、近 视眼、长时间驾驶、职业、驾驶人种类、每日驾车时 间、驾龄、文化程度、性别、既往交通事故史。见表 2。
[ Abstract] Objectives To investigate the risk factors that are associated with traffic violations. Methods The motor vehicle drivers were randomly selected to fill in a well- designed inquiry on their physiological, mental and behavioral situation. The data collected were analyzed by non- conditional logistic correlation analyses with single and multiple factor. Results A total of 2 318 drivers with no traffic violation and 4 389 drivers with viola tions were investigated. The results indicated that the risk factors associated with traffic violations were: driver sleepiness, poor eyesight ( nearsightedness) , continuous long driving time , daily driving time, age, educational level, sex, and the records of previous violations. Conclusions The traffic violations were closely related to driver sleepiness, continuous long driving time, nearsightedness, and low educational level.
[ Key words] Motor vehicle drivers; Traffic violations; Risk factors
目前, 交通违法已成为众所周知、行为普遍、问 题严重的社会问题 [1]。据统计, 2007 年全国共发生道 路交通事故 327 209 起, 造成 81 649 人死亡、380 442 人受伤, 直接财产损失 12 亿元 [2 ]。机动车驾驶员交 通违法行为严重, 是导致道路交通事故的主要原 因 [3 ]。据世界卫生组织预测到 2020 年, 道路交通伤 害将成为全球公共安全的第 3 位因素 [4]。因此, 开展 道路交通违法行为的危险因素研究, 对预防、减少道 路交通伤害具有重大的公共卫生意义。
困乏打盹驾驶 5. 459
注意力不集中 0. 427
近视眼( 4. 6) 4. 410
交通事故史
68. 66
0. 001 1. 019 1. 013~ 1. 025 0. 001 0. 635 0. 518~ 0. 780 0. 001 1. 033 1. 025~ 1. 041 0. 001 0. 905 0. 873~ 0. 938 0. 010 0. 972 0. 952~ 0. 993 0. 001 1. 050 1. 027~ 1. 074 0. 370 1. 119 0. 875~ 1. 431 0. 001 1. 058 1. 038~ 1. 077 0. 001 1. 601 1. 272~ 2. 015 0. 223 0. 955 0. 886~ 1. 029 0. 969 0. 995 0. 778~ 1. 273 0. 096 0. 963 0. 920~ 1. 007 0. 965 1. 002 0. 917~ 1. 095 0. 015 1. 238 1. 043~ 1. 468 0. 019 2. 033 1. 121~ 3. 686 0. 513 1. 216 0. 676~ 2. 186 0. 036 1. 302 1. 018~ 1. 666 0. 001 0. 551 0. 478~ 0. 634
变量
2
P
OR
95% CI
年龄
41. 59
性别
18. 85
驾龄
64. 77
文化程度
29. 70
驾驶人种类
6. 57
职业
19. 06
饮酒史
0. 81
每日驾驶时间 34. 78
长时间驾驶
16. 100
疲劳驾驶
1. 482
带病驾驶
0. 001
时间紧赶路
2. 779
心情不好驾驶 0. 002
饮食不正常驾驶 5. 973
0. 716 1. 032 0. 940 1. 041 1. 065 1. 036 1. 302 1. 918 1. 387 0. 528
95% CI
0. 558~ 0. 920 1. 021~ 1. 043 0. 892~ 0. 991 1. 005~ 1. 078 1. 030~ 1. 098 1. 006~ 1. 068 1. 019~ 1. 662 1. 027~ 3. 580 1. 021~ 1. 883 0. 436~ 0. 639