MétaCan
Menu
Retour à la cohorte
Enregistrement W2566709408 · doi:10.3233/jad-160995

Investigating Simulated Driving Errors in Amnestic Single- and Multiple-Domain Mild Cognitive Impairment

2016· article· en· W2566709408 sur OpenAlexafffund
Megan A. Hird, K Veselý, Corinne E. Fischer, Simon J. Graham, Gary Naglie, Tom A. Schweizer

Notice bibliographique

RevueJournal of Alzheimer s Disease · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensBaycrest HospitalUniversity of TorontoUniversity Health NetworkToronto Rehabilitation InstituteSunnybrook Health Science CentreSunnybrook HospitalSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCognitive impairmentAudiologyCognitionPsychologyMedicinePhysical medicine and rehabilitationNeuroscience

Résumé

récupéré en direct d'OpenAlex

The areas of driving impairment characteristic of mild cognitive impairment (MCI) remain unclear. This study compared the simulated driving performance of 24 individuals with MCI, including amnestic single-domain (sd-MCI, n = 11) and amnestic multiple-domain MCI (md-MCI, n = 13), and 20 age-matched controls. Individuals with MCI committed over twice as many driving errors (20.0 versus 9.9), demonstrated difficulty with lane maintenance, and committed more errors during left turns with traffic compared to healthy controls. Specifically, individuals with md-MCI demonstrated greater driving difficulty compared to healthy controls, relative to those with sd-MCI. Differentiating between different subtypes of MCI may be important when evaluating driving safety.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,692

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,067
Tête enseignante GPT0,374
Écart entre enseignants0,306 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Alzheimer s DiseaseMême sujetOlder Adults Driving StudiesTravaux en français237 207