MétaCan
Menu
Retour à la cohorte
Enregistrement W2139061425 · doi:10.1093/ageing/aft073

How effective is the Trail Making Test (Parts A and B) in identifying cognitively impaired drivers?

2013· article· en· W2139061425 sur OpenAlexaff
Bonnie Dobbs, Sukhwinder S. Shergill

Notice bibliographique

RevueAge and Ageing · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineReceiver operating characteristicTrail Making TestPredictive validityPredictive powerDementiaPositive predicative valueTest (biology)Mini–Mental State ExaminationCognitionGerontologyClinical psychologyCognitive impairmentPsychiatryPredictive valueInternal medicine

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,344
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAge and AgeingMême sujetOlder Adults Driving StudiesTravaux en français237 207