In Search of a Standard for Assessing the Crash Risk of Driving Under the Influence of Drugs Other Than Alcohol; Results of a Questionnaire Survey Among Researchers
Notice bibliographique
Résumé
OBJECTIVE: To find a gold standard for crash risk assessment studies in the field of driving under the influence of psychoactive substances. METHODS: A questionnaire survey on methodological aspects concerning study designs was sent to researchers in the field of driving under the influence of psychoactive substances. The questionnaire was aimed at the 4 main study designs to assess the crash risk of driving under the influence: case-control studies, culpability studies, pharmaco-epidemiological studies, and experimental studies. RESULTS: The response rate for the questionnaire was 68 percent (N = 57). Forty-six percent of the respondents had a preference for assessing the crash risk by means of case-control studies, 35 percent by means of experimental studies, 14 percent by means of culpability studies, and 5 percent by means of pharmaco-epidemiological studies. In practice, however, only 51 percent of the researchers actually used the study type they preferred in theory. For the 4 most commonly used study designs, similarity rates varied from 66 to 81 percent for the theoretically preferred design and from 52 to 77 percent for the design that was actually applied. CONCLUSIONS: Based on the results of the questionnaire survey, it can be concluded that despite several attempts in the past to standardize study design, there is still no common standard for assessing the crash risk of driving under the influence. The differences are not only caused by practical, legal, financial, or ethical issues but also by differences between researchers concerning their theoretically preferred study design.
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 | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».