Visual Correlates of Fitness to Drive in Adults With Multiple Sclerosis
Notice bibliographique
Résumé
The impact of visual and visual-cognitive impairments on fitness to drive in persons with multiple sclerosis (PwMS) are not well studied. We quantified visual correlates of fitness to drive in 30 PwMS. PwMS completed visual ability and visual attention assessments, and a standardized on-road assessment, and were compared with 145 older volunteer drivers. PwMS (vs. older volunteer drivers) made more total ( W = 12,139, p = .03) and critical driving errors (predictive of crashes) in adjustment to stimuli ( W = 11,352, p < .0001), vehicle positioning ( W = 11,449, p < .0001), and wide lane turns ( W = 9,932, p < .0001). PwMS who failed (vs. passed) made more total ( W = 325, p = .04), adjustment to stimuli ( W = 321.5, p = .02), and gap acceptance errors ( W = 333, p = .03). For PwMS, adjustment to stimuli errors moderately correlated with visual acuity (ρ = .50, p = .006), and gap acceptance errors moderately correlated with visual processing speed (ρ = .40, p = .03). Visual-cognitive impairments may be indicative of critical driving errors and help identify PwMS at-risk for fitness to drive.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».