A Clinical Trial Demonstration of a Web-Based Test for Alcohol and Drug Effects
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to determine the feasibility of a Web-installed test of skills essential to driving: target detection and divided attention. The Attention Assessment (TAA) was designed for use in global clinical trials to document the effects of alcohol and other drugs. METHOD: Scoring algorithms and data-storage tools were installed on servers in bicoastal U.S. locations. IBM PC-compatible test units with encrypted Web access and 19-inch monitors were installed at a Canadian site. A single-center, crossover design was used to compare the pharmacodynamic properties of a pharmaceutical compound under development with those of alcohol (blood alcohol concentration [BAC]=.10%) over time. For this study, 33 subjects completed four 36-hour testing periods. Blood samples and pharmacodynamic assessments were performed at 0, 1, 3, 5, 7, 9, 12, and 24 hours. Analysis of covariance was conducted on six composite TAA scores as change from baseline. RESULTS: Five of the six composite scores showed significant ethanol effects (p<.02) over a BAC range of. 1% to .05%. Within-session test-retest reliability was r=.86 and between periods was r=.51 (between Periods 1 and 2), .83 (between Periods 2 and 3), and .81 (between Periods 3 and 4). Individual impairment was evident at .05%. CONCLUSIONS: It was possible to conduct sensitive alcohol/other drug testing from a central database with secure scoring. Test installation, data monitoring, and norms assembly were performed at a remote location. TAA gives researchers the ability to immediately and normatively evaluate alcohol and drug effects in diverse global locations. Secondary applications include clinical or worksite testing. The data show improved precision over previous test versions to map the effect of drugs on visual/cognitive skills involved in 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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».