Driving and Dementia in Ontario: A Quantitative Assessment of the Problem
Notice bibliographique
Résumé
BACKGROUND: The population is becoming increasingly aged, and concomitantly, the prevalence of dementia is steadily rising. Persons aged 65 years and over are likely to continue driving for many years and often well into the dementia process. METHODS: Ontario Ministry of Transportation driving data, census data, and dementia prevalence data were combined to determine the number of persons with potential dementia who are driving, both now and in about 25 years' time. RESULTS: Actual and projected Ontario figures show that the number of senior drivers will increase markedly from just under 500,000 in 1986 to nearly 2,500,000 in 2028. Similarly, the number of drivers with dementia is also increasing. Although not all drivers with dementia are necessarily dangerous, most are estimated to continue driving well into the disease process. By combining the above-mentioned data sets, a best estimate of the number of drivers with dementia in Ontario was derived. It is estimated that this group has grown from just under 15,000 in 1986 to about 34,000 in 2000 and will number nearly 100,000 in 2028. INTERPRETATION: Increasingly, the responsibility for identifying drivers with dementia has fallen on the health care system, a role for which it was never designed nor equipped to handle. The risks associated with the dramatically increasing number of drivers with dementia demand a psychometrically sensitive and efficient screening procedure.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».