Physician Warnings in Psychiatry and the Risk of Road Trauma
Notice bibliographique
Résumé
OBJECTIVE: To determine if physician warnings to psychiatric patients alter the subsequent frequency of a motor vehicle crash. A secondary objective was to determine if physician warnings change the subsequent frequency of psychiatric hospitalization. METHODS: Exposure crossover design of 23,145 psychiatric patients diagnosed with ICD-9 schizophrenia (code 295), mood disorder (296), personality disorder (301), or substance use disorder (303, 304) and warned by their physician about driving safety between April 1, 2006, and March 31, 2011. Each patient was followed for 4 years before the warning and 1 year after the warning. Patients living outside the region or lacking a valid health card number were excluded. RESULTS: Patients' motor vehicle crash frequency decreased from 11.78 to 8.17 events per 1,000 patients per year after a physician warning, which corresponded to a relative risk of 0.69 (95% CI, 0.59-0.81; P < .001). Psychiatric hospitalization frequency increased from 147 to 289 events per 1,000 patients per year corresponding to a relative risk of 1.97 (95% CI, 1.91-2.03; P < .001). CONCLUSIONS: Physician warnings are associated with a subsequent decreased frequency of motor vehicle crashes and increased frequency of psychiatric hospitalization. This result suggests that physician warnings are an effective intervention for reducing road trauma but need to be weighed against potential adverse psychiatric health.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».