Older Driver Estimates of Driving Exposure Compared to In-Vehicle Data in the Candrive II Study
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: Most studies on older adults' driving practices have relied on self-reported information. With technological advances it is now possible to objectively measure the everyday driving of older adults in their own vehicles over time. The purpose of this study was to examine the ability of older drivers to accurately estimate their kilometers driven over one year relative to objectively measured driving exposure. METHODS: A subsample (n = 159 of 928; 50.9% male) of Candrive II participants (age ≥ 70 years of age) was used in these analyses based on strict criteria for data collected from questionnaires as well as an OttoView-CD Autonomous Data Logging Device installed in their vehicle, over the first year of the prospective cohort study. RESULTS: Although there was no significant difference overall between the self-reported and objectively measured distance categories, only moderate agreement was found (weighted kappa = 0.57; 95% confidence interval, 0.47-0.67). Almost half (45.3%) chose the wrong distance category, and some people misestimated their distance driven by up to 20,000 km. Those who misjudged in the low mileage group (≤5000 km) consistently underestimated, whereas the reverse was found for those in the high distance categories (≥ 20,000); that is, they always overestimated their driving distance. CONCLUSIONS: Although self-reported driving distance categories may be adequate for studies entailing broad group comparisons, caution should be used in interpreting results. Use of self-reported estimates for individual assessments should be discouraged.
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 | 0,002 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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