Visual Testing for Readiness to Drive After Stroke
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to determine the ability of a visual-perception assessment tool, the Motor-Free Visual Perception Test, to predict on-road driving outcome in subjects with stroke. DESIGN: This was a retrospective study of 269 individuals with stroke who completed visual-perception testing and an on-road driving evaluation. Driving evaluators from six evaluation sites in Canada and the United States participated. Visual-perception was assessed using the Motor-Free Visual Perception Test. Scores range from 0 to 36, with a higher score indicating better visual perception. A structured on-road driving evaluation was performed to determine fitness to drive. Based on driving behaviors, a pass or fail outcome was determined by the examiner. RESULTS: The results indicated that, using a score on the Motor-Free Visual Perception Test of < or =30 to indicate poor visual-perception and >30 to indicate good visual perception, the positive predictive value of the Motor-Free Visual Perception Test in identifying those who would fail the on-road test was 60.9% (n = 67/110). The corresponding negative predictive value was 64.2% (n = 102/159). Univariate logistic regression analyses revealed that older age, low Motor-Free Visual Perception Test scores and a right hemisphere lesion contributed significantly to identifying those who failed the on-road test. CONCLUSIONS: The predictive validity of the Motor-Free Visual Perception Test is not sufficiently high to warrant its use as the sole screening tool in identifying those who are unfit to undergo an on-road evaluation.
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.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle