Impaired Performance in Commercial Drivers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sleepiness plays an important role in major crashes of commercial vehicles. Because determinants are likely to include inadequate sleep and sleep apnea, we evaluated the role of short sleep durations over 1 wk at home and sleep apnea in subjective sleepiness (Epworth Sleepiness Scale), objective sleepiness (reduced sleep latency as determined by the Multiple Sleep Latency Test), and neurobehavioral functioning (lapses in performance, tracking error in Divided Attention Driving Task) in commercial drivers. Studies were conducted in 247 of 551 drivers at higher risk for apnea and in 159 of 778 drivers at lower risk. A multivariate linear association between the sets of outcomes and risk factors was confirmed (p < 0.0001). Increases in subjective sleepiness were associated with shorter sleep durations but not with increases in severity of apnea. Increases in objective sleepiness and performance lapses, as well as poorer lane tracking, were associated with shorter sleep durations. Associations with sleep apnea severity were not as robust and not strictly monotonic. A significant linear association with sleep apnea was demonstrated only for reduced sleep latency. The effects of severe apnea (apnea-hypopnea index, at least 30 episodes/h), which occurred in 4.7%, and of sleep duration less than 5 h/night, which occurred in 13.5%, were similar in terms of their impact on objective sleepiness. Thus, addressing impairment in commercial drivers requires addressing both insufficient sleep and sleep apnea, the former being more common.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle