To provide an update on disability and outline potential barriers and facilitators for implementation of the World Health Organization Global Disability Action Plan (GDAP) in Pakistan.A 6-day workshop at the Armed Forces Institute of Rehabilitation Medicine, Islamabad facilitated by rehabilitation staff from Royal Melbourne Hospital, Australia. Local healthcare professionals (n = 33) from medical rehabilitation facilities identified challenges in service provision, education and attitudes/approaches to people with disabilities, using consensus agreement for objectives listed in the GDAP.Respondents agreed on the following challenges in implementing the GDAP: shortage of skilled work-force, fragmented healthcare system, poor coordination between acute and subacute healthcare sectors, limited health services infrastructure and funding, lack of disability data, poor legislation, lack of guidelines and accreditation standards, limited awareness/knowledge of disability, socio-cultural perceptions and geo-topographical issues. The main facilitators included: need for governing/leadership bodies, engagement of healthcare professionals and institutions using a multi-sectoral approach, new partnerships and strategic collaboration, provision of financial and technical assistance, future policy direction, research and development.The barriers to implementing the GDAP identified here highlight the emerging priorities and challenges in the development of rehabilitation medicine and GDAP implementation in a developing country. The GDAP summary actions were useful planning tools to improve access and strengthen rehabilitation services.

Extreme value theory (EVT) models have been frequently utilized to estimate crash risk from traffic conflicts with the peak over threshold commonly used to identify conflict extremes. However, a common problem for the peak over threshold method is the selection of a suitable threshold to distinguish general and extreme conflicts. Subjective and arbitrary selection of the threshold in peak over threshold method can result in bias and unstable estimation results. The primary objective of the study is to propose a hybrid modelling approach for the threshold determination in peak over threshold method. The hybrid model consists of a joint gamma distribution and generalized Pareto distribution (GPD). The gamma distribution is used to fit general conflicts while the GPD is used to fit extreme conflicts. Specially, discontinued, continued and differentiable gamma-GPD models are developed with the threshold being treated as a model parameter. Traffic conflict data collected from three signalized intersections in the city of Surrey, British Columbia were used for the study. The modified time to collision (MTTC) was employed as conflict indicator. The Bayesian approach was employed to estimate the threshold as well as other hybrid gamma-GPD model parameters. The results show that the discontinued gamma-GPD model is superior to the continued and differentiable gamma-GPD models for determining the threshold in terms of crash estimation accuracy and model fit. The crash estimates using the threshold determined by the hybrid gamma-GPD model outperform those estimated based on the traditional quantile plots method, indicating that the superiority of the proposed threshold determination approach based on gamma-GPD hybrid model. The proposed hybrid gamma-GPD model could determine the threshold parameter in peak over threshold method for traffic conflicts extremes automatically in an objective and quantitative way. It contributes to existing peak over threshold method for producing reliable crash estimation.

Several studies have developed pedestrian-vehicle interaction models. However, these studies failed to consider pedestrian distraction, which considerably influences the safety of these interactions. Utilizing data from two intersections in Vancouver, Canada, this research uses the Multi-agent Adversarial Inverse Reinforcement Learning (MA-AIRL) framework to make inferences about the behavioral dynamics of distracted and non-distracted pedestrians while interacting with vehicles. Results showed that distracted pedestrians maintained closer proximity to vehicles, moved at reduced speeds, and rarely yielded to oncoming vehicles. In addition, they rarely changed their interaction angles regardless of lateral proximity to vehicles, indicating that they mostly remain unaware of the surrounding environment and have decreased navigational efficiency. Conversely, non-distracted pedestrians executed safer maneuvers, kept greater distances from vehicles, yielded more frequently, and adjusted their speeds accordingly. For example, non-distracted pedestrian-vehicle interactions showed a 46.5% decrease in traffic conflicts severity (as measured by the average Time-to-Collision (TTC) values) and an average 30.2% increase in minimum distances when compared to distracted pedestrian-vehicle interactions. Vehicle drivers also demonstrated different behaviors in response to distracted pedestrians. They often opted to decelerate around distracted pedestrians, indicating recognition of potential risks. Furthermore, the MA-AIRL framework provided different results depending on the type of interactions. The performance of the distracted vehicle-pedestrian model was lower than the non-distracted model, suggesting that predicting non-distracted behavior might be relatively easier. These findings emphasize the importance of refining pedestrian simulation models to include the unique behavioral patterns from pedestrian distractions. This should assist in further examining the safety impacts of pedestrian distraction on the road environment.