Multidisciplinary Assessment of Fitness to Drive in Brain Tumour Patients in Southwestern Ontario: A Grey Matter
Notice bibliographique
Résumé
BACKGROUND: Neurocognitive impairments from brain tumours may interfere with the ability to drive safely. In 9 of 13 Canadian provinces and territories, physicians have a legal obligation to report patients who may be medically unfit to drive. To complicate matters, brain tumour patients are managed by a multidisciplinary team; the physician most responsible to make the report of unfitness is often not apparent. The objective of the present study was to determine the attitudes and reporting practices of physicians caring for these patients. METHODS: A 17-question survey distributed to physicians managing brain tumour patients elicited Respondent demographicsKnowledge about legislative requirementsExperience of reportingBarriers and attitudes to reporting Fisher exact tests were performed to assess differences in responses between family physicians (fps) and specialists. RESULTS: Of 467 physicians sent surveys, 194 responded (42%), among whom 81 (42%) were specialists and 113 (58%) were fps. Compared with the specialists, the fps were significantly less comfortable with reporting, less likely to consider reporting, less likely to have patients inquire about driving, and less likely to discuss driving implications. A lack of tools, concern for the patient-physician relationship, and a desire to preserve patient quality of life were the most commonly cited barriers in determining medical fitness of patients to drive. CONCLUSIONS: Legal requirements to report medically unfit drivers put physicians in the difficult position of balancing patient autonomy and public safety. More comprehensive and definitive guidelines would be helpful in assisting physicians with this public health issue.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».