Mandatory reporting by physicians of patients potentially unfit to drive.
Notice bibliographique
Résumé
BACKGROUND: One strategy for the prevention of motor vehicle crashes is physician reporting of medically unfit drivers to vehicle licensing authorities, as mandated by law in Ontario, Canada. We studied drivers involved in life-threatening crashes who required hospital admission to determine how many had previously been seen and reported by a physician in the community. METHODS: We identified consecutive drivers involved in a crash who were admitted to Canada's largest trauma centre between 30 June 1996 and 30 June 2001 to assess the prevalence of 3 chronic medical conditions reportable to vehicle licensing authorities (alcohol abuse, cardiac disease, and neurological disorders). We then conducted a case series analysis of linked health and transportation databases to determine how many drivers had previously been seen and reported by a physician in the community. RESULTS: A total of 1,605 injured drivers were identified, of whom 37% had a reportable condition (95% confidence interval [CI] 35-39). Those with a reportable condition had made a total of 20,505 previous visits to 2,332 physicians during the five years before the crash. The majority of patients with a reportable condition (85%, 95% CI 82-88) had seen a physician in the year before the crash but few (3%, 95% CI 2-4) had been reported to licensing authorities. Alcohol abuse was the most common underlying reportable condition (prevalent in 72% of trauma patients with a reportable condition) and the least common reason for a previous report (reported in 2% of those with a reportable condition). INTERPRETATION: Unsafe drivers often visit physicians and yet are rarely reported to licensing authorities even under mandatory reporting laws for preventive medical reporting.
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 | 0,000 | 0,001 |
| 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 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 ».