How effective is the Trail Making Test (Parts A and B) in identifying cognitively impaired drivers?
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
BACKGROUND: the medical community plays an important role in identifying drivers who may no longer be competent to drive due to illnesses such as dementia. Several office-based cognitive screening tools are currently used by the medical community, e.g. Mini-Mental State Examination, Trail Making Test (TMT), to assist in the identification of cognitively impaired (CI) at-risk drivers. However, the predictive validity of these tools is questionable. OBJECTIVE: to examine the predictive power of the TMT for on-road driving performance. METHODS: data from a prospective sample of CI and healthy older drivers were collected. TMT-A and -B (time and errors) served as predictor variables, with pass/fail on a scientifically based on-road assessment used as the criterion variable. Receiver operating characteristic (ROC) curve analysis was used to assess overall 'diagnostic' accuracy of TMT-A and -B for driving competency. Cut points from previous studies/guidelines were used to assess predictive power. FINDINGS: a total of 134 older drivers (mean age = 75.30; SD = 7.83) participated: 87 healthy controls and 47 CI individuals. All predictor variables, with the exception of TMT-A errors, were significantly correlated with driving outcome. However, results from ROC curve analyses indicated that only TMT-A and -B total time had moderate discriminative abilities. Results also indicate that the power of the TMT is the lowest where physicians need it most (e.g. identifying CI patients whose driving skills have declined to an unsafe level). CONCLUSION: TMT-A and -B outcomes are most likely to be inaccurate in those whose driving competency has declined to an unsafe level, resulting in risks to both individual and public safety.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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