A randomized clinical trial to determine effectiveness of driving simulator retraining on the driving performance of clients with neurological impairment
Notice bibliographique
Résumé
Introduction Following a neurological event, returning to driving is an important activity contributing to improved participation within the community. The purpose of this study was to examine the effectiveness of driving simulator retraining on driving in clients with neurological impairment and to examine factors associated with treatment effectiveness. Method Individuals with non-degenerative brain injury were randomized to either a simulator training or control group. The simulator group received individualized training (16 sessions) using a driving simulator. The control group did not receive intervention. A blind evaluator assessed participants on the DriveAble On-Road Driving Evaluation. Results There was no significant difference between groups in the proportion of individuals who passed the driving evaluation (Chi 2 = 0.65; p = 0.42; CI = −0.41 to +0.17). However, participants with moderate impairment who received simulator training were more likely to pass the driving test compared with those in the control group (86% versus 17%; Chi 2 = 6.2; p = 0.03; CI = −1.00 to −0.30). There were no differences in pass rate according to diagnosis, gender, or for those with severe impairments. Conclusion Results provide clinicians with preliminary information on the potential clinical usefulness of driving simulator training. While the findings do not support simulator retraining for the group as a whole, they suggest that clients with moderate impairment have the potential to benefit.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».