Self-Evaluation of Driving Simulator Performance After Stroke
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Despite the potential dangers associated with premature return to driving after stroke, very little research has examined the relationship between impaired self-awareness (ISA) and driving. This study examined self-awareness of driving simulator and neuropsychological performance among stroke patients, comparing them with healthy control participants. METHODS: Thirty stroke survivors and 30 controls each were asked for prediction and postdiction ratings of their performance on various driving simulator and neuropsychological tasks. Self-estimates versus actual performance discrepancy scores were calculated for various simulator and neuropsychological measures by converting scores to a shared metric. RESULTS: Across all measures, the stroke survivors greatly overestimated their performance in comparison with the accuracy of self-evaluations among the controls, thus suggesting ISA. This pattern of overestimating was observed on both novel (neuropsychological) and familiar (driving) tasks. However, there was some evidence to suggest that stroke survivors can benefit from feedback, as seen by increased accuracy in postdiction versus prediction self-evaluation scores. Both stroke survivors and controls also showed a greater shift toward accurate self-estimation on postdiction of driving performance than on postdiction of neuropsychological test performance. CONCLUSION: Although the temporal stability of the shift in awareness is not known, these results support the use of driving simulators as a useful and safe method of assessing and potentially improving stroke survivors' ISA.
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 | 0,002 | 0,001 |
| 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 ».