Examining the Link Between Drinking-Driving and Depressed Mood
Notice bibliographique
Résumé
OBJECTIVE: Because both alcohol and depressed mood exert deleterious effects on psychomotor performance, the possibility that people with depressed mood may be more likely to drive after drinking may have important implications for traffic safety. In this work, we examine the association between depressed mood and self-reported driving after drinking in a large representative sample of adults in Ontario. METHOD: Data are based on the 2001-2004 Centre for Addiction and Mental Health Monitor, an ongoing cross-sectional telephone survey of Ontario adults ages 18 and older (N=3,979). Logistic regression analysis was performed to identify the risk of driving after drinking two or more drinks in the previous hour within the past 12 months associated with scores on a screening measure of depressed mood (depression-anxiety and social functioning subscales of the 12-item General Health Questionnaire), while controlling for alcohol-use measures (weekly volume and frequency of heavy drinking), driving exposure, and demographic factors. RESULTS: Logistic regression analysis revealed that the odds of reporting driving after drinking within the past year increase significantly as depressed mood (specifically, depression-anxiety scores) increases. CONCLUSIONS: Additional research on the nature of the link between depressed mood and impaired driving should be undertaken, including assessing whether there exists any synergistic effects of depressed mood and alcohol on collision risk and considering the implications of this relationship for prevention and remedial activities.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,000 | 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 ».