MétaCan
Menu
Retour à la cohorte
Enregistrement W2601823018 · doi:10.1589/jpts.29.401

Cognitive basis about risk level classifications for the self-assessment of older drivers

2017· article· en· W2601823018 sur OpenAlexaboutno aff
Seong Youl Choi, Jae‐Shin Lee

Notice bibliographique

RevueJournal of Physical Therapy Science · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitionMontreal Cognitive AssessmentCognitive Assessment SystemRecallMedicineTest (biology)Trail Making TestCognitive testClinical psychologyPsychologyCognitive impairmentPsychiatryCognitive psychology

Résumé

récupéré en direct d'OpenAlex

[Purpose] This study analyzed the cognitive functions according to risk level for the Driver 65 Plus measure, and examined the cognitive basis of self-assessment for screening the driving risk of elderly drivers. [Subjects and Methods] A total of 46 older drivers with a driver's license participated in this study. All participants were evaluated with Driver 65 Plus. They were classified into three groups of "safe," "caution" and "stop," and examined for cognitive functions with Trail Making Test and Montreal Cognitive Assessment-K. The cognitive test results of the three groups were compared. [Results] Trail Making Test-A, Trail Making Test-B, and Montreal Cognitive Assessment-K showed a significant difference between the three groups. The safe group showed significantly higher ability than the caution and stop groups in the three cognitive tests. In addition, cognitive functions of naming, attention, language, and delayed recall were significantly different between the three groups. [Conclusion] Self-assessment of older drivers is a useful tool for screening the cognitive aspects of driving risk. The cognitive functions, such as attention and recall, are the critical factors for screening the driving risk of elderly drivers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,135
Tête enseignante GPT0,498
Écart entre enseignants0,362 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physical Therapy ScienceMême sujetOlder Adults Driving StudiesTravaux en français237 207