Assessing executive function in relation to fitness to drive: A review of tools and their ability to predict safe driving
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND/AIM: The assessment of executive functions is an integral component in determining fitness to drive. A structured review was conducted to identify assessment tools used to measure executive function in relation to driving and to describe these tools according to: (i) specific executive function components assessed; (ii) the tool's validity in predicting safe driving; and (iii) clinical utility. METHODS: Sixty-nine articles were reviewed, identifying 53 executive function tools/assessments used in driving research. Each tool was critically appraised and the findings were compiled in a Driving Executive Function Tool Guide. RESULTS: Among the 53 tools, there were 27 general assessments of cognition, 19 driving-specific and seven activities of daily living/instrumental activities of daily living assessments. No single tool measured all executive function components: working memory was the most common (n = 20/53). Several tools demonstrated strong predictive validity and clinical utility. For example, tools, such as the Trail Making Test and the Maze Task, have the shortest administration time (i.e. often less than 10 minutes) and the most easily accessible method of administration (i.e. pen and paper or verbal). Driving-specific tools range from short questionnaires, such as the 10-minute Manchester Driving Behaviour Questionnaire, to more complex tools requiring about 45 minutes to administer. CONCLUSIONS AND SIGNIFICANCE OF THE STUDY: The appropriateness of a tool depends on the individual being assessed and on practical constraints of the clinical context. The Driving Executive Function Tool Guide provides useful information that should facilitate decision-making and selection of appropriate executive function tools in relation to driving.
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle