Comparison of the SIMARD MD to Clinical Impression in Assessing Fitness to Drive in Patients with Cognitive Impairment
Notice bibliographique
Résumé
BACKGROUND: The assessment of fitness to drive in patients with cognitive impairment is complex. The SIMARD MD was developed to assist with assessing fitness to drive. This study compares the clinical decision made by a geriatrician regarding driving with the SIMARD MD score. METHODS: Patients with a diagnosis of mild dementia or mild cognitive impairment, who had a SIMARD MD test, were included in the sample. A retrospective chart review was completed to gather diagnosis, driving status, and cognitive and functional information. RESULTS: Sixty-three patients were identified and 57 met the inclusion criteria. The mean age was 77.1 years (SD 8.9). The most common diagnosis was Alzheimer's disease in 22 (38.6%) patients. The mean MMSE score was 24.9 (SD 3.34) and the mean MoCA was 19.9 (SD 3.58). The mean SIMARD MD score was 37.2 (SD 19.54). Twenty-four patients had a SIMARD MD score ≤ 30, twenty-eight between 31-70, and five scored > 70. The SIMARD MD scores did not differ significantly compared to the clinical decision (ANOVA p value = 0.14). CONCLUSIONS: There was no association between the SIMARD MD scores and the geriatricians' clinical decision regarding fitness to drive in persons with mild dementia or mild cognitive impairment.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».