The Risk of Motor Vehicle Crashes and Traffic Citations Post Stroke: A Structured Review
Notice bibliographique
Résumé
BACKGROUND: Stroke impacts the domains known to be important for driving and is a primary condition for driving evaluation referrals. Given the high prevalence of stroke, the objective was to summarize the evidence regarding risk of crashes and traffic citations post stroke. METHODS: A structured review of six databases was conducted to retrieve studies that included stroke as a separate exposure from other disorders and measured crashes or traffic citations as an outcome. RESULTS: Four cohort and three case-control studies met the inclusion criteria. Five of the seven studies found increased odds or risk ratios ranging from 1.9 to 7.7, while two found an association of 0.8. Only one result was statistically significant (RR=2.7). One study examined the outcome traffic citations and found no significant association. CONCLUSION: There is cause for concern regarding increased risk of crashes post stroke. Future studies that examine the impact of stroke severity and sequelae will help health professionals, families, and those with stroke make informed decisions regarding driving post stroke. This review indicates that drivers with stroke have an increased risk of crashing compared to their counterparts without stroke, as demonstrated by increased risk estimates in five out of the seven studies that have examined this issue. This review also points to an urgent need for rigorous studies investigating the risk of crashes according to specific stroke sequelae: an understanding of crash risk based on stroke severity, impairments, and function will assist clinicians in making informed decisions regarding the need for comprehensive driving evaluation and the potential for driver retraining for specific subgroups.
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 | 0,001 | 0,012 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».