A systematic review of intervention approaches for driving cessation in older adults
Notice bibliographique
Résumé
OBJECTIVE: The aim of this project was to review the literature on interventions aimed at facilitating driving cessation in older adults, with and without dementia. METHODS: A literature search was performed using the databases MEDLINE, CINAHL, Cochrane Central, Embase, and PsycINFO, from 1994 to September 2014. Two independent raters screened articles for inclusion and extracted study data. We only included articles if they directly addressed the topic of intervention approaches to facilitate the process of driving cessation in older adults or to support the adaptation of older adults who have had to stop driving and included a control group. RESULTS: Of an initial 477 unique records identified, 111 pertained to driving cessation in older adults, and only three articles were controlled trials of intervention approaches related to driving cessation. One article described an intervention for retired drivers with dementia, while another was aimed at caregivers of drivers with dementia, and the third included retired and retiring drivers without dementia. Outcomes such as reduced depressive symptoms, increased trips out of home, and efficacy in dealing with the driving cessation process were positive, but the specific outcome measures and magnitude of effects varied across studies. CONCLUSIONS: Although the results summarized in this review point toward potentially promising effects of interventions for facilitating driving cessation in older adults, these findings must be interpreted with caution given the significant methodological limitations of the studies, including small samples, participant attrition, lack of blinding, and non-validated outcome measures. Copyright © 2017 John Wiley & Sons, Ltd.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».