Driving me crazy: the effects of stress on the driving abilities of paramedic students
Notice bibliographique
Résumé
<p><strong>Background</strong></p><p>Previous research has demonstrated that stress has a negative impact on the performance of paramedics while performing medical related tasks. Acute stress has also been shown to negatively impact the driving abilities of the general population increasing the number of critical driving errors performed. No literature was discovered that discussed the effects of stress on the driving abilities of paramedics.</p><p><strong>Methods</strong></p><p>Paramedic students underwent a driving ability assessment in a driving simulator. We then exposed them to a stress inducing medical scenario. Another driving assessment was then conducted. The numbers, and types of errors were documented before and after the scenario.</p><p><strong>Results</strong></p><p>36 students participated in the study. Paramedic students demonstrated no increase in overall error rate after a stressful scenario, but demonstrated an increase in three critical driving errors; failure to wear a seatbelt (3 baseline v 10 post stress, p= 0.0087), failing to stop for red lights or stop signs (7 v 35, p= &lt;0.0001), and losing controlling of the vehicle (2 v 11, p= 0.0052).</p><p><strong>Conclusion</strong></p><p>Paramedic students demonstrated an increase in critical driving errors after a stressful simulated clinical scenario. Paramedics are routinely exposed to acute stress during the course of their working day. This stress could increase the number of critical driving errors that occur. These results reinforce the need for further research, and highlight the potential need for increased driver training and stress management education in order to mitigate the frequency and severity of driving errors made by paramedics.</p>
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».