Personality, Executive Control, and Neurobiological Characteristics Associated with Different Forms of Risky Driving
Notice bibliographique
Résumé
BACKGROUND: Road crashes represent a huge burden on global health. Some drivers are prone to repeated episodes of risky driving (RD) and are over-represented in crashes and related morbidity. However, their characteristics are heterogeneous, hampering development of targeted intervention strategies. This study hypothesized that distinct personality, cognitive, and neurobiological processes are associated with the type of RD behaviours these drivers predominantly engage in. METHODS: Four age-matched groups of adult (19-39 years) males were recruited: 1) driving while impaired recidivists (DWI, n = 36); 2) non-alcohol reckless drivers (SPEED, n = 28); 3) drivers with a mixed RD profile (MIXED, n = 27); and 4) low-risk control drivers (CTL, n = 47). Their sociodemographic, criminal history, driving behaviour (by questionnaire and simulation performance), personality (Big Five traits, impulsivity, reward sensitivity), cognitive (disinhibition, decision making, behavioural risk taking), and neurobiological (cortisol stress response) characteristics were gathered and contrasted. RESULTS: Compared to controls, group SPEED showed greater sensation seeking, disinhibition, disadvantageous decision making, and risk taking. Group MIXED exhibited more substance misuse, and antisocial, sensation seeking and reward sensitive personality features. Group DWI showed greater disinhibition and more severe alcohol misuse, and compared to the other RD groups, the lowest level of risk taking when sober. All RD groups exhibited less cortisol increase in response to stress compared to controls. DISCUSSION: Each RD group exhibited a distinct personality and cognitive profile, which was consistent with stimulation seeking in group SPEED, fearlessness in group MIXED, and poor behavioural regulation associated with alcohol in group DWI. As these group differences were uniformly accompanied by blunted cortisol stress responses, they may reflect the disparate behavioural consequences of dysregulation of the stress system. In sum, RD preference appears to be a useful marker for clarifying explanatory pathways to risky driving, and for research into developing more personalized prevention efforts.
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 | 0,000 |
| 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 | 0,000 | 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 ».