Assessing Fitness to Drive in Brain Tumour Patients: A Grey Matter of Law, Ethics, and Medicine
Notice bibliographique
Résumé
BACKGROUND: Neurocognitive deficits from brain tumours may impair the ability to safely operate a motor vehicle. Although certain jurisdictions in Canada legally require that physicians report patients who are unfit to drive, criteria for determining fitness are not clearly defined for brain tumours. METHODS: Patients receiving brain radiotherapy at our institution from January to June 2009 were identified using the Oncology Patient Information System. In addition to descriptive statistics, details of driving assessment were reviewed retrospectively. The Fisher exact test was used to determine factors predictive of reporting a patient to the Ontario Ministry of Transportation (mto) as unfit to drive. A logistic regression model was constructed to further determine factors predictive of reporting. RESULTS: Of the 158 patients available for analysis, 48 (30%) were reported to the mto, and 64 (41%) were advised to stop driving. With respect to the 53 patients with seizures, a report was submitted to the mto for 30 (57%), and a documented discussion about the implications of driving was held with 35 (66%). On univariate analysis, younger age, a central nervous system primary, higher brain radiotherapy dose, unifocal disease, and the presence of seizures were predictive of physician reporting (p < 0.05). On logistic regression modelling, the presence of seizures (odds ratio: 3.9) and a higher radiotherapy dose (odds ratio: 1.3) remained predictive of reporting. INTERPRETATION: Physicians frequently do not discuss the implications of driving with brain tumour patients or are not properly documenting such advice (or both). Clear and concise reporting guidelines need to be drafted given the legal, medical, and ethical concerns surrounding this public health issue.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».