Near Peripheral Motion Detection Threshold Predicts Detection Failure Accident Risk in Younger and Older Drivers
Notice bibliographique
Résumé
Motion contrast thresholds for 0.4 cycle/degree drifting Gabor stimuli were assessed at 15-degrees eccentricity for 16 younger drivers (ages 24 to 42), and 15 older drivers (ages 65 to 84), using a temporal two-alternative forced choice staircase procedure. Two self-report questionnaires assessed detection failure accident risk—the Driver Perception Questionnaire (DPQ5), and an abridged Aging Driver Questionnaire (ADQ15). The UFOV® test battery was also administered. Mean peripheral motion contrast thresholds (PMCT) of younger and older participants were –39.3 dB and –33.8 dB, respectively. For younger drivers, the correlation between PMCT and DPQ5 scores was .62 (p<.01), and between DPQ5 and ADQ16 (new and validated self-report measures, respectively) was .59 (p<.01). For older drivers, correlation between PMCT and DPQ5 scores was .49 (p<.01), between DPQ5 and ADQ16 was .73 (p<.01), and between PMCT and age was .49 (p<.05). For drivers overall, correlation was .48 (p<.01) between PMCT and DPQ5 scores, .63 (p<.0001) between DPQ5 and ADQ16, and .69 (p<.0001) between PMCT and age. For drivers overall, correlation was .30 (p<.05) between UFOV1 and age, .67 (p<.0001) between UFOV2 and age, .56 (p<.001) between UFOV2 and PMCT, .80 (p<.0001) between UFOV3 and age, and .58 (p<.001) between UFOV3 and PMCT. Holding age constant, partial correlation of PMCT with DPQ5 was .55 (p<.001), and of PMCT with ADQ15 was .39 (p<.05). PMCT significantly predicted self-reported driving performance in a laboratory setting, and worsened significantly with age. PMCT assessment should be made practicable. Informing high-risk drivers may encourage appropriate risk reduction countermeasures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».