Early neuropsychological tests as correlates of return to driving after traumatic brain injury
Notice bibliographique
Résumé
OBJECTIVE: To assess the ability of neuropsychometric tests administered during inpatient rehabilitation to predict return to driving after traumatic brain injury (TBI). DESIGN: Retrospective, matched case-controlled study. METHODS: Sixty-seven participants with TBI, drawn from an existing database, completed a questionnaire that assessed return to driving post-TBI, as measured by reinstatement of the driver's license. Drivers were individually case-matched to non-drivers on age, Glasgow Coma Scale (GCS), Disability Rating Scale (DRS) and the rehabilitation admission interval (RAI). Scores on four neuropsychological tests (Trail-Making A, Trail Making B, Digit Span-forward and Digit Span-backward), administered during the rehabilitation stay, were compared between case-matched drivers and non-drivers. OUTCOME MEASURE: Return to driving, as defined by reinstatement of the driver's license. RESULTS: Participants who had returned to driving were comparable to those who had not returned to driving with respect to demographic variables, initial injury severity and baseline functioning. Scores on two neuropsychological assessments were significantly better in participants who had returned to driving than in those who had not: Trail-making A (p < 0.01) and Trail-making B (p < 0.01). CONCLUSIONS: The results suggest that neuropsychological measures of processing speed and cognitive flexibility may predict return to driving after TBI.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».