MétaCan
Menu
Retour à la cohorte
Enregistrement W2353103786 · doi:10.3233/jad-160276

A Systematic Review and Meta-Analysis of On-Road Simulator and Cognitive Driving Assessment in Alzheimer’s Disease and Mild Cognitive Impairment

2016· review· en· W2353103786 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Alzheimer s Disease · 2016
Typereview
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensBaycrest HospitalUniversity of TorontoUniversity Health NetworkToronto Metropolitan UniversityToronto Rehabilitation InstituteSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésDriving simulatorCognitionCognitive impairmentPsychologyDiseasePhysical medicine and rehabilitationMeta-analysisCognitive psychologyMedicineSimulationNeuroscienceComputer scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Many individuals with Alzheimer's disease (AD) and mild cognitive impairment (MCI) are at an increased risk of driving impairment. There is a need for tools with sufficient validity to help clinicians assess driving ability. OBJECTIVE: Provide a systematic review and meta-analysis of the primary driving assessment methods (on-road, cognitive, driving simulation assessments) in patients with MCI and AD. METHODS: We investigated (1) the predictive utility of cognitive tests and domains, and (2) the areas and degree of driving impairment in patients with MCI and AD. Effect sizes were derived and analyzed in a random effects model. RESULTS: Thirty-two articles (including 1,293 AD patients, 92 MCI patients, 2,040 healthy older controls) met inclusion criteria. Driving outcomes included: On-road test scores, pass/fail classifications, errors; caregiver reports; real world crash involvement; and driving simulator collisions/risky behavior. Executive function (ES [95% CI]; 0.61 [0.41, 0.81]), attention (0.55 [0.33, 0.77]), visuospatial function (0.50 [0.34, 0.65]), and global cognition (0.61 [0.39, 0.83]) emerged as significant predictors of driving performance. Trail Making Test Part B (TMT-B, 0.61 [0.28, 0.94]), TMT-A (0.65 [0.08, 1.21]), and Maze test (0.88 [0.60, 1.15]) emerged as the best single predictors of driving performance. Patients with very mild AD (CDR = 0.5) mild AD (CDR = 1) were more likely to fail an on-road test than healthy control drivers (CDR = 0), with failure rates of 13.6%, 33.3% and 1.6%, respectively. CONCLUSION: The driving ability of patients with MCI and AD appears to be related to degree of cognitive impairment. Across studies, there are inconsistent cognitive predictors and reported driving outcomes in MCI and AD patients. Future large-scale studies should investigate the driving performance and associated neural networks of subgroups of AD (very mild, mild, moderate) and MCI (amnestic, non-amnestic, single-domain, multiple-domain).

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0110,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,154
Tête enseignante GPT0,485
Écart entre enseignants0,331 · 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