Driving indicators in teens with attention deficit hyperactivity and/or autism spectrum disorder
Notice bibliographique
Résumé
BACKGROUND: Motor vehicle crashes are leading causes of death among teens. Those teens with attention-deficit/hyperactivity disorder (ADHD), autism spectrum disorder (ASD), or a dual diagnosis of ADHD/ASD have defining characteristics placing them at a greater risk for crashes. PURPOSE: This study examined the between-group demographic, clinical, and simulated driving differences in teens, representing three diagnostic groups, compared to healthy controls (HCs). METHOD: In this prospective observational study, we used a convenience sample of teens recruited from a variety of community settings. FINDINGS: Compared to the 22 HCs (mean age = 14.32, SD = +/-.72), teen drivers representing the diagnostic groups (ADHD/ASD, n = 6, mean age = 15.00, SD = +/-.63; ADHD, n = 9, mean age = 15.00, SD = +/- 1.00; ASD, n = 7, mean age = 15.14, SD = +/-. 1.22) performed poorer on visual function, visual-motor integration, cognition, and motor performance and made more errors on the driving simulator. IMPLICATIONS: Teens from diagnostic groups have more deficits driving on a driving simulator and may require a comprehensive driving evaluation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».