Counseling at a Seizure Clinic Does Not Ensure Disclosure to the Transportation Registry
Notice bibliographique
Résumé
BACKGROUND: The effectiveness of current self-reporting driving laws for medically-unfit potential seizure patients is unknown in Canada. We designed a prospective cohort study of patients' self-reporting practices to the local Transportation Registry (TR) and their driving behaviors following detailed counselling at a seizure clinic in a discretionary physician-reporting jurisdiction. METHODS: Medically unfit drivers, referred to our seizure clinic, who had a valid driver's permit at the time of their episode of impaired consciousness were included. Patients' self-reporting and driving behaviours were assessed using a standardized interview prior to a neurologist's counseling and later at a follow-up visit. RESULTS: Sixty three patients were included; 77% were diagnosed as having had a seizure at the time of their referral. Prior to their seizure clinic visit, 3/63 (5%) had been counseled to self-report to the TR by a non-neurologist physician, and none had done so. Following a neurologist's documented counseling 34/63 (54%) had self-reported themselves at the follow-up seizure clinic visit, and 53/63 (84%) were not driving. CONCLUSION: This prospective study design is the first in North America to examine self-reporting rates for unfit drivers with a seizure disorder. Our findings suggest that self-reporting laws do not ensure high rates of self-reporting behaviors even when patients seen at a seizure clinic are appropriately counseled of their legal obligations. The rate of driving cessation appears greater than the rate of self-reporting to the TR among counseled patients.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».