MétaCan
Menu
← Retour à la cohorte
Enregistrement W2033061710 · doi:10.1371/journal.pone.0118348

Driving Performance on the Descending Limb of Blood Alcohol Concentration (BAC) in Undergraduate Students: A Pilot Study

2015· article· en· W2033061710 sur OpenAlexaff
Mathieu Tremblay, François Gallant, Martin Lavallière, Martine Chiasson, Dustin Silvey, David G. Behm, Wayne J. Albert, Michel J. Johnson

Notice bibliographique

RevuePLoS ONE · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensMemorial University of NewfoundlandUniversity of New BrunswickUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Blood alcoholMorningBinge drinkingPoison controlDriving simulatorBlood alcohol contentInjury preventionCrashPsychologyHuman factors and ergonomicsMedicineSimulationDemographyEnvironmental healthComputer scienceInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Young drivers are overrepresented in collisions resulting in fatalities. It is not uncommon for young drivers to socially binge drink and decide to drive a vehicle a few hours after consumption. To better understand the risks that may be associated with this behaviour, the present study has examined the effects of a social drinking bout followed by a simulated drive in undergraduate students on the descending limb of their BAC (blood alcohol concentration) curve. Two groups of eight undergraduate students (n = 16) took part in this study. Participants in the alcohol group were assessed before drinking, then at moderate and low BAC as well as 24 hours post-acute consumption. This group consumed an average of 5.3 ± 1.4 (mean ± SD) drinks in an hour in a social context and were then submitted to a driving and a predicted crash risk assessment. The control group was assessed at the same time points without alcohol intake or social context.; at 8 a.m., noon, 3 p.m. and 8 a.m. the next morning. These multiple time points were used to measure any potential learning effects from the assessment tools (i.e. driving simulator and useful field of view test (UFOV)). Diminished driving performance at moderate BAC was observed with no increases in predicted crash risk. Moderate correlations between driving variables were observed. No association exists between driving variables and UFOV variables. The control group improved measures of selective attention after the third assessment. No learning effect was observed from multiple sessions with the driving simulator. Our results show that a moderate BAC, although legal, increases the risky behaviour. Effects of alcohol expectancy could have been displayed by the experimental group. UFOV measures and predicted crash risk categories were not sensitive enough to predict crash risk for young drivers, even when intoxicated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,243
Écart entre enseignants0,158 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetTraffic and Road Safety→Travaux en français237 207→