Effekt af elektronisk stabilitetskontrol på personbilers eneuheld
|
|
|
- Marianne Graversen
- 10 år siden
- Visninger:
Transkript
1 Effekt af elektronisk stabilitetskontrol på personbilers eneuheld Tove Hels, Allan Lyckegaard, DTU Transport Inger Marie Bernhoft, DTU Transport
2 Data og formål Vi vil estimere risikoen for eneuheld med ESC installeret i forhold til hvis ESC ikke er installeret Studieenhed: uheldsramte personbiler (uheld ) Personskadeuheld Føreren over 18 år Studieenheden er bilen, årgang Data fra JATO Dynamics om bilen Politiregistrerede data om uheld I alt indgår biler i undersøgelsen 2 DTU Transport, Danmarks Tekniske Universitet
3 Materiale, biler Antal Første registreringsår Biler i uheld, N= DTU Transport, Danmarks Tekniske Universitet
4 Materiale, biler Antal Bilens totalvægt (kg) Biler i uheld, N= DTU Transport, Danmarks Tekniske Universitet
5 Materiale, biler Andel med ESC 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Første registreringsår Andre uheld Eneuheld Biler i uheld, N= DTU Transport, Danmarks Tekniske Universitet
6 Materiale, førere Antal Førerens alder (år) Mand Kvinde 6 DTU Transport, Danmarks Tekniske Universitet
7 Metode 1 Eneuheld: Andre uheld: Uheld, som tiltaget ville have indflydelse på (eneuheld=1) Uheld, som tiltaget ikke ville have indflydelse på (eneuheld=0) Uheld i alt Biler, der havde installeret tiltaget (ESC=1) 172 a b a+b Biler, der ikke havde installeret tiltaget (ESC=0) c d c+d I alt OOOO = aa bb cc dd = aaaa bbbb OR (odds ratio) er forholdet mellem: sandsynlighed for eneuheld givet ESC og sandsynligheden for eneuheld givet ikke-esc 7 DTU Transport, Danmarks Tekniske Universitet
8 Metode 2, logistisk regression PP(yy) = exp (y) 1 + exp (y) yy = β 0 + β 1 x 1 + β 2 x β p x p OOOO = exp(y x ESC=1) exp(y x ESC =0) = exp β ESC x ESC x ESC =1 exp β ESC x ESC x ESC =0 = exp β ESC 8 DTU Transport, Danmarks Tekniske Universitet
9 Model Signifikante variable i den logistiske regression Variabel Førerkarakteristika Alder Alder2 Kon Kkort Sele Kon*prom Kkort_erfaring Køretøjskarakteristika Variabelbeskrivelse Alder i år Alder i 2. potens Køn: mand/kvinde Gyldighed af kørekort til personbil: Gyldigt kørekort/ugyldigt kørekort Selebrug: Uden sele/med sele/uoplyst ESC ESC installeret: 0/1 Regyear Totalvaegt_100kg Omgivelsernes karakteristika Sigt Lys Interaktionsled imellem køn og alkoholpromille, promilleniveauer: Ikke alkoholpåvirket/ Alkoholpåvirket(ikke prøvet)/0,1-0,5/0,5-0,8/0,8-1,2/1,2+ /Uoplyst Antal år siden kørekort er erhvervet: 0-2/3-5/6-10/11+/Uoplyst Årgang af bil Bilens totalvægt i 100 kg Byzone Uheld sket i byzone: 0/1 Vejens karakteristika Fore Vejudf Hastgr Hastgr2 Sigtbarheden på uheldsstedet: Sigtbart/Nedsat sigt/uoplyst Lysforhold på uheldsstedet: Dagslys-Tusmørke/Mørke/Uoplyst Føret på uheldsstedet: Tørt/Glat/Vådt/Uoplyst Vejens udformning: Lige vej/kurve/kryds/anden udformning Hastighedsgrænsen på vejen Hastighedsgrænsen i 2. potens 9 DTU Transport, Danmarks Tekniske Universitet
10 Resultater Ukorrigerede odds ratio-estimater for ESC Datasæt Antal observationer Odds ratio 95 % -konfidensinterval Biler i alle typer personskadeuheld ,40 0,34-0,47 Biler i uheld med dræbte 774 0,40 0,22-0,72 Biler i uheld med alvorligt tilskadekomne ,42 0,33-0,53 Biler i uheld med let tilskadekomne ,39 0,30-0,50 Korrigerede odds ratio-estimater for ESC Datasæt Antal observationer Odds ratio 95 % -konfidensinterval Biler i alle typer personskadeuheld ,66 0,52-0,83 Biler i uheld med dræbte 754 0,76 0,33-1,76 Biler i uheld med alvorligt tilskadekomne ,68 0,48-0,97 Biler i uheld med let tilskadekomne ,65 0,45-0,93 10 DTU Transport, Danmarks Tekniske Universitet
11 Korrigerede odds ratio-estimater, logistisk regression Variabel Odds ratio 95 % -konfidensinterval Førerkarakteristika nedre Øvre Alder 0,94 0,917 0,972 Alder2 1,00 1,000 1,001 Kon: Kvinde vs Mand 0,60 0,520 0,70 Kkort: Ugyldigt kørekort vs Gyldigt kørekort 3,28 2,307 4,654 Sele: Uden sele vs Med sele 4,89 3,813 6,268 Sele: Uoplyst vs Med sele 1,75 1,491 2,061 Kkort_erfaring: 0-2 vs 11+ 2,21 1,621 2,999 Kkort_erfaring: 3-5 vs 11+ 1,49 1,107 2,005 Kkort_erfaring: 6-10 vs 11+ 1,40 1,092 1,785 Kkort_erfaring: Uoplyst vs 11+ 1,21 0,970 1,501 Køretøjskarakteristika Regyear 0,95 0,927 0,974 Totalvaegt_100kg 0,93 0,908 0,956 ESC 1 vs 0 0,66 0,518 0,829 Omgivelsernes karakteristika Sigt: Nedsat sigt vs Sigtbart 0,71 0,522 0,954 Sigt: Uoplyst vs Sigtbart 1,58 0,661 3,757 Lys: Mørke vs Dagslys-Tusmørke 1,74 1,504 2,014 Lys: Uoplyst vs Dagslys-Tusmørke 1,31 0,134 12,848 Byzone: Nej vs Ja 1,72 1,295 2,272 Vejens karakteristika Hastgr 1,05 1,023 1,080 Hastgr2 1,00 1,000 1,000 Fore: Glat vs Tørt 1,69 1,338 2,132 Fore: Uoplyst vs Tørt 0,93 0,272 3,190 Fore: Vådt vs Tørt 0,86 0,737 1,008 Vejudf: Anden udformning vs Lige vej 1,72 1,309 2,264 Vejudf: Kryds vs Lige vej 0,11 0,088 0, DTU Transport, Vejudf: Danmarks Kurve vs Lige Tekniske vej Universitet 3,92 3,273 4,704
12 Tak for opmærksomheden 12 DTU Transport, Danmarks Tekniske Universitet
Effektstudie af stræknings-atk
Effektstudie af stræknings-atk 1. Stræknings-ATK 1. Stræknings-ATK 2. Hypotese 3. Analysedesign Fast stander Videoudstyr Registrerer nummerplade Strækningsmiddelhastighed Skiltet kontrol Bo Brassøe ([email protected])
Analyse af binære responsvariable
Analyse af binære responsvariable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet 23. november 2012 Har mænd lettere ved at komme ind på Berkeley? UC Berkeley
Bilag: Revidering af trafiksikkerhedsplan. Uddrag af ulykkesanalyse
Bilag: Revidering af trafiksikkerhedsplan Uddrag af ulykkesanalyse Færdselsulykkerne i Jammerbugt Kommune er gennemgået for at danne et overblik over, hvor og hvordan uheldene i Jammerbugt er sket samt
9. Chi-i-anden test, case-control data, logistisk regression.
Biostatistik - Cand.Scient.San. 2. semester Karl Bang Christensen Biostatististisk afdeling, KU [email protected], 35327491 9. Chi-i-anden test, case-control data, logistisk regression. http://biostat.ku.dk/~kach/css2014/
Vi vil analysere effekten af rygning og alkohol på chancen for at blive gravid ved at benytte forskellige Cox regressions modeller.
Løsning til øvelse i TTP dag 3 Denne øvelse omhandler tid til graviditet. Et studie vedrørende tid til graviditet (Time To Pregnancy = TTP) inkluderede 423 par i alderen 20-35 år. Parrene blev fulgt i
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mantel-Haenszel analyser
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Mantel-Haenszel analyser Mantel-Haenszel analyser Sidst lærte vi om stratificerede analyser. I dag kigger vi på et specialtilfælde: både exposure
Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P
Overblik over det samlede uheldsbillede for Aarhus kommune
Overblik over det samlede uheldsbillede for Aarhus kommune 2013-2017 Baggrund I denne rapport undersøges uheldsbilledet for hele Aarhus kommune i perioden fra 2013-2017. Data er på baggrund af politiregistrerede
Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Eksamensopgave E05. Socialklasse og kronisk sygdom
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Eksamensopgave E05 Socialklasse og kronisk sygdom Data: Tværsnitsundersøgelse fra 1986 Datamaterialet indeholder: Køn, alder, Højest opnåede
Lineær og logistisk regression
Faculty of Health Sciences Lineær og logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet [email protected] Dagens program Lineær regression
Af seniorforsker Tove Hels og seniorforsker Ivanka Orozova-Bekkevold, Danmarks TransportForskning
Mere trafik færre ulykker Af seniorforsker Tove Hels og seniorforsker Ivanka Orozova-Bekkevold, Danmarks TransportForskning Trafikmængden i Danmark stiger, mens antallet af dræbte og skadede i trafikken
48 BILKØRSEL MED ALKOHOL OG ANDRE STOFFER
48 BILKØRSEL MED ALKOHOL OG ANDRE STOFFER Bilkørsel med alkohol og andre stoffer Af seniorforsker Inger Marie Bernhoft BILKØRSEL MED ALKOHOL OG ANDRE STOFFER 49 Selv om forekomsten af alkohol hos bilister
Præcision og effektivitet (efficiency)?
Case-kontrol studier PhD kursus i Epidemiologi Københavns Universitet 18 Sep 2012 Søren Friis Center for Kræftforskning, Kræftens Bekæmpelse Valg af design Problemstilling? Validitet? Præcision og effektivitet
Morten Frydenberg 14. marts 2006
Introduktion til Logistisk Regression Morten Frydenberg, Inst. f. Biostatistik 1 RESUME: 2 2. gang: 2006 Institut for Biostatistik, Århus Universitet MPH 1. studieår Specialmodul 4 Cand. San. uddannelsen
Tandstatus hos søskende
Tandstatus hos søskende Af Bodil Helbech Kleist, [email protected] Formålet med dette analysenotat er at undersøge forskelle i tandsundheden mellem søskende, herunder betydningen af hvilket nummer i børneflokken,
Opgavebesvarelse, logistisk regression
Opgavebesvarelse, logistisk regression Data ligger i rop.xls på kursushjemmesiden: http://staff.pubhealth.ku.dk/ jufo/courses/logistic/ Når du har gemt data på din computer, kan det indlæses i SAS med
Hvem er det, der gentagne gange kører spirituskørsel, og hvor udbredt er recidivisme i Danmark
Hvem er det, der gentagne gange kører spirituskørsel, og hvor udbredt er recidivisme i Danmark Mette Møller, [email protected] Sonja Haustein, [email protected] Carlo G. Prato, [email protected]
Sidste gang: One-way(ensidet)/one-factor ANOVA I dag: Two-factor ANOVA (Analysis of variance) Two-factor ANOVA med interaktion
VARIANSANALYSE 2 Sidste gang: One-way(ensidet)/one-factor ANOVA I dag: (Analysis of variance) med interaktion Problem: Hvordan håndterer vi forsøg, hvor effekten er forårsaget af to faktorer og en evt.
Morten Frydenberg 26. april 2004
Introduktion til Logistisk Regression Morten Frydenberg, Inst. f. Biostatistik RESUME: 2 2. gang: 2002 Institut for Biostatistik, Århus Universitet MPH. studieår Specialmodul 4 Cand. San. uddannelsen.
Logistisk regression. Basal Statistik for medicinske PhD-studerende November 2008
Logistisk regression Basal Statistik for medicinske PhD-studerende November 2008 Bendix Carstensen Steno Diabetes Center, Gentofte & Biostatististisk afdeling, Københavns Universitet [email protected] www.biostat.ku.dk/~bxc
Udbrændthed og brancheskift
Morten Bue Rath Oktober 2009 Udbrændthed og brancheskift Hospitalsansatte sygeplejersker der viser tegn på at være udbrændte som konsekvens af deres arbejde, har en væsentligt forøget risiko for, at forlade
Faculty of Health Sciences. Logistisk regression: Kvantitative forklarende variable
Faculty of Health Sciences Logistisk regression: Kvantitative forklarende variable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet [email protected] Sammenhæng
Indvandrere og efterkommere i foreninger er frivillige i samme grad som danskere
Indvandrere og efterkommere i foreninger er frivillige i samme grad som danskere Bilag I afrapportering af signifikanstest i tabeller i artikel er der benyttet følgende illustration af signifikans: * p
1 Uheldsgrundlag... 3. 2 Sammenligning med andre kommuner... 4. 3 Færdselssikkerhedskommissionens målsætning... 5. 4 Uheldsudvikling...
NOTAT Projekt: Trafiksikkerhedsplan 2012-2016 Emne: Uheldsanalyse København, den 08.10.2012 Projekt nr.: 6510-001 Dir. tlf.: +45 2540 0382 Reference: epr/[email protected] Notat nr.: 01 Rev.: 0 Fordeling: Jane
Sammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt.
Sammenhængsanalyser Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. rygevaner som 45 årig * helbred som 51 årig Crosstabulation rygevaner
MPH specialmodul i biostatistik og epidemiologi SAS-øvelser vedr. case-control studie af malignt melanom.
MPH specialmodul i biostatistik og epidemiologi SAS-øvelser vedr. case-control studie af malignt melanom. For at I skal kunne regne på tallene fra undersøgelsen har vi taget en delmængde af variablene
Statistik II 4. Lektion. Logistisk regression
Statistik II 4. Lektion Logistisk regression Logistisk regression: Motivation Generelt setup: Dikotom(binær) afhængig variabel Kontinuerte og kategoriske forklarende variable (som i lineær reg.) Eksempel:
Baggrundsnotat: Undervisningstimer på universitetet
17. december 2013 Baggrundsnotat: Undervisningstimer på universitetet Dette notat redegør for den økonometriske analyse af sammenhængen mellem undervisningstid og indkomst i afsnit 5.3 i Analyserapport
SAMFUNDSVIDENSKABELIGE STUDERENDE PÅ SDU
SAMFUNDSVIDENSKABELIGE STUDERENDE PÅ SDU De studerendes baggrund og hvordan de klarer sig efter endt uddannelse Institut for Virksomhedsledelse og Økonomi, Syddansk Universitet Alle rettigheder forbeholdes
UDKAST. Køge Kommune. Trafik- og miljøplan Uheldskortlægning. BAGGRUNDSNOTAT 21. februar 2013 STS/IF
UDKAST Køge Kommune Trafik- og miljøplan Uheldskortlægning BAGGRUNDSNOTAT 1. februar 13 STS/IF Indholdsfortegnelse 1 Indledning... 3 Uheldsanalyse... 3.1 Datagrundlag... 3 3 Årsag til uheld... 3.1 Uheldsudvikling
Logistisk regression
Logistisk regression Test af antagelsen om lineære effekter Modelkonstruktion og modelsøgning Hvilke variable og hvilke interaktioner skal inkluderes i regressionsmodellerne? 1 Logistiske regressionsmodeller
38 FAKTORER DER PÅVIRKER TRAFIKSIKKERHEDEN
38 FAKTORER DER PÅVIRKER TRAFIKSIKKERHEDEN Faktorer der påvirker trafiksikkerheden Af seniorforsker Tove Hels FAKTORER DER PÅVIRKER TRAFIKSIKKERHEDEN 39 I Danmark er antallet af trafikuheld, dræbte og
Løsning til opgave i logistisk regression
Løsning til øvelser i logistisk regression, november 2008 1 Løsning til opgave i logistisk regression 1. Først indlæses data, og vi kan lige sørge for at danne en dummy-variable for cml, som indikator
Økonometri 1. Kvalitative variabler. Kvalitative variabler. Dagens program. Kvalitative variable 8. marts 2006
Dagens program Økonometri 1 Kvalitative variable 8. marts 2006 Kvalitative variabler som forklarende variabler i en lineær regressionsmodel (Wooldridge kap. 7.1-7.4) Kvalitative variabler generelt Dummy
TEMAANALYSE ULYKKER VED VEJARBEJDE
TEMAANALYSE ULYKKER VED VEJARBEJDE 2001-2010 DATO: December 2011 FOTO: Vejdirektoratet ISBN NR: 9788770606578 (netversion) COPYRIGHT: Vejdirektoratet, 2011 2 ULYKKER VED VEJARBEJDE 2001-2010 SAMMENFATNING
Dataanalyse. Af Joanna Phermchai-Nielsen. Workshop d. 18. marts 2013
Dataanalyse Af Joanna Phermchai-Nielsen Workshop d. 18. marts 2013 Kroniske og psykiske syge borgere (1) Sygdomsgrupper: - Kroniske sygdomme: Diabetes Hjertekarsygdomme Kroniske lungesygdomme Knogleskørhed
Vejledende løsninger kapitel 8 opgaver
KAPITEL 8 OPGAVE 1 Nej den kan også være over 1 OPGAVE 2 Stikprøvestørrelse 10 Stikprøvegennemsnit 1,18 Stikprøvespredning 0,388158 Konfidensniveau 0,95 Nedre grænse 0,902328 Øvre grænse 1,457672 Stikprøvestørrelse
1 Problemformulering CYKELHJELM
1 Problemformulering I skal undersøge hvor mange cyklister, der kommer til skade og hvor alvorlige, deres skader er. I skal finde ud af, om cykelhjelm gør nogen forskel, hvis man kommer ud for en ulykke.
Statistik. Uheld med landbrugskøretøjer i Syd- og Sønderjylland
Statistik Uheld med landbrugskøretøjer i Syd- og Sønderjylland Kriterier for søgningen Uheldene er sket i perioden 28-212. Uheldene er sket i Politikredsen Syd- og Sønderjylland. Ekstrauheld 1 er ikke
Vejr og vejkapacitet. Thomas C. Jensen
Vejr og vejkapacitet Thomas C. Jensen Baggrund Stigende opmærksomhed på klimatilpasning også på transportområdet varmere vejr, flere skybrud osv. DTU klimacenter har finansieret Bortledning af vand fra
1.193 dræbte Det har vi lært. Dødsulykkestatistik
1.193 dræbte Det har vi lært Dødsulykkestatistik 2010-2015 Titel Dødsulykkesstatistik 2010-2015 1.193 dræbte - det har vi lært Dato: December 2016 Tryk: Vejdirektoratet ISBN (NET): 978-87-93436-63-3 ISBN:
Statistik II 1. Lektion. Sandsynlighedsregning Analyse af kontingenstabeller
Statistik II 1. Lektion Sandsynlighedsregning Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller
Oversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Oversigt 1 Gennemgående eksempel: Højde og vægt 2 Korrelation 3 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse
Trafikulykker, personbilers vægt og kørselsafgifter
Nationaløkonomisk Tidsskrift 151 (2013): 89-112 Trafikulykker, personbilers vægt og kørselsafgifter Thomas Bue Bjørner De Økonomiske Råds Sekretariat, mail: [email protected] Merete Høj Kjeldsen De Økonomiske
Analyse af social uddannelsesmobilitet og frafald på lange videregående uddannelser
Bilag 6 Analyse af social uddannelsesmobilitet og frafald på lange videregående uddannelser I dette notat undersøges, om der er eventuelle sociale skævheder forbundet med frafaldet på de lange videregående
TRAFIKPLAN FOR FAXE KOMMUNE UHELDSANALYSE
Til Faxe Kommune Dokumenttype Rapport Dato Januar 2012 TRAFIKPLAN FOR FAXE KOMMUNE UHELDSANALYSE 1-2 Revision 1 Dato 2012-01-23 Udarbejdet af JPL Kontrolleret af CM Godkendt af Beskrivelse CM Baggrundsrapport
Basal statistik for sundhedsvidenskabelige forskere, efterår 2015 Udleveret 29. september, afleveres senest ved øvelserne i uge 44 (27.-30.
Hjemmeopgave Basal statistik for sundhedsvidenskabelige forskere, efterår 2015 Udleveret 29. september, afleveres senest ved øvelserne i uge 44 (27.-30. oktober) En undersøgelse blandt fødende kvinder
Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele
Anvendt Statistik Lektion 5 Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Motiverende eksempel Antal minutter brugt på rengøring/madlavning: Rengøring/Madlavning
Besvarelse af opgavesættet ved Reeksamen forår 2008
Besvarelse af opgavesættet ved Reeksamen forår 2008 10. marts 2008 1. Angiv formål med undersøgelsen. Beskriv kort hvordan cases og kontroller er udvalgt. Vurder om kontrolgruppen i det aktuelle studie
Multipel Lineær Regression
Multipel Lineær Regression Trin i opbygningen af en statistisk model Repetition af MLR fra sidst Modelkontrol Prædiktion Kategoriske forklarende variable og MLR Opbygning af statistisk model Specificer
Statistik II 1. Lektion. Analyse af kontingenstabeller
Statistik II 1. Lektion Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller Logistisk regression
Workshop 6 Sundhedsprofilen metode og muligheder. Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed
Workshop 6 Sundhedsprofilen metode og muligheder Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed Metode og muligheder Design Beskrivelse af deltagere og ikke-deltagere Vægtning for design
Forelæsning 11: Kapitel 11: Regressionsanalyse
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Teenagefødsler går i arv
Teenagefødsler går i arv En unge kvinde har stor sandsynlighed for at blive teenagemor, hvis hendes egen mor også var det. Sandsynligheden for at blive teenagemor er markant højere for den unge, hvis forældre
