Differences between poststroke drivers and nondrivers: demographic characteristics, medical status, and transportation use.
Notice bibliographique
Résumé
OBJECTIVE: To determine the demographic, medical, and transportation use characteristics of stroke survivors wanting to drive who resumed or did not resume driving and compare the driving habits of those who drove with those of a nonstroke control group. DESIGN: One hundred and six stroke survivors who underwent a driving evaluation at a rehabilitation center in Ottawa, Canada, between 1995 and 2003, participated in a structured telephone interview 4-5 yrs after the evaluation. Information on driving history and transportation use before the driving assessment was obtained from the driving assessment client database. The nonstroke control group was derived from the literature. RESULTS: After stroke, 66% of subjects had resumed driving. Prestroke driving history was similar for drivers and nondrivers. Drivers were younger than nondrivers (mean age +/- SD, 62.7 +/- 12.7 yrs vs. 69.2 +/- 13.4 yrs; P = 0.02), had less medical comorbidity (mean modified Cumulative Illness Rating Scale score, 3.7 +/- 1.97 vs. 5.0 +/- 2.89; P = 0.01), and were less likely to rely on a walker (1.4% vs. 19.4%, P < 0.001). Self-imposed restrictions were reported by 35.7% of drivers. More nondrivers than drivers relied on family/friends (94.4% vs. 41.4%), public transportation (60.7% vs. 35.3%), or taxis (27.8% vs. 2.9%) (all P < 0.05). Drivers reported fewer driving difficulties (e.g., skill, weather, or traffic related;
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».