Risk of Falls and Motor Vehicle Collisions in Glaucoma
Notice bibliographique
Résumé
PURPOSE: To investigate the risk of falls and motor vehicle collisions (MVCs) in patients with glaucoma. METHODS: The sample comprised 48 patients with glaucoma (mean visual field mean deviation [MD] in the better eye = -3.9 dB; 5.1 dB SD) and 47 age-matched normal control subjects, who were recruited from a university-based hospital eye care clinic and are enrolled in an ongoing prospective study of risk factors for falls, risk factors for MVCs, and on-road driving performance in glaucoma. Main outcome measures at baseline were previous self-reported falls and MVCs, and police-reported MVCs. Demographic and medical data were obtained. In addition, functional independence in daily living, physical activity level and balance were assessed. Clinical vision measures included visual acuity, contrast sensitivity, standard automated perimetry, useful field of view (UFOV), and stereopsis. Analyses of falls and MVCs were adjusted to account for the possible confounding effects of demographic characteristics, medications, and visual field impairment. MVC analyses were also adjusted for kilometers driven per week. RESULTS: There were no significant differences between patients with glaucoma and control subjects with respect to number of systemic medical conditions, body mass index, functional independence, and physical activity level (P > 0.10). At baseline, 40 (83%) patients with glaucoma and 44 (94%) control subjects were driving. Compared with control subjects, patients with glaucoma were over three times more likely to have fallen in the previous year (odds ratio [OR](adjusted) = 3.71; 95% CI, 1.14-12.05), over six times more likely to have been involved in one or more MVCs in the previous 5 years (OR(adjusted) = 6.62; 95% CI, 1.40-31.23), and more likely to have been at fault (OR(adjusted) = 12.44; 95% CI, 1.08-143.99). The strongest risk factor for MVCs in patients with glaucoma was impaired UFOV selective attention (OR(adjusted) = 10.29; 95% CI, 1.10-96.62; for selective attention >350 ms compared with </=350 ms). CONCLUSIONS: There is an increased risk of falls and MVCs in patients with glaucoma.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».