MétaCan
Menu
Retour à la cohorte
Enregistrement W2922278319 · doi:10.3389/fneur.2019.00144

Driving Behaviors 2–3 Years After Traumatic Brain Injury Rehabilitation: A Multicenter Case-Control Study

2019· article· en· W2922278319 sur OpenAlexafffundabout
Michelle McKerral, Alexander Moreno, Patricia Delhomme, Isabelle Gélinas

Notice bibliographique

RevueFrontiers in Neurology · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensMcGill UniversityCentre intégré de santé et de services sociaux de Chaudière-AppalachesCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCentre for Interdisciplinary Research in RehabilitationUniversité de Montréal
Organismes subventionnairesInstitut de Réadaptation en Déficience Physique de Québec
Mots-clésTraumatic brain injuryRehabilitationInjury preventionMedicinePoison controlPhysical therapyPhysical medicine and rehabilitationPsychologyMedical emergencyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Introduction: Driving an automobile is an important activity for the social participation of individuals with traumatic brain injury (TBI). Return to safe driving is usually addressed during rehabilitation, but we know little about driving behaviors in the years following TBI rehabilitation. Objective: To explore self-reported and objective (official driving records) post-rehabilitation driving behaviors and offences in individuals with TBI: a) having passed a driving evaluation, b) who did not undergo a driving evaluation, and c) non-injured controls. Methods: Cross-sectional design with 162 adults: a) 48 participants with mild, moderate, or severe TBI whose drivers’ license was suspended and reinstated following a driving evaluation during rehabilitation (TBI-DE; M=42.2 years of age, SD=11.5); b) 24 participants with TBI who maintained their driving privileges without undergoing a driving evaluation (TBI-NE; M=36.5 years of age, SD=9.9); c) 90 non-injured controls (M=43.8 years of age, SD=11.4). Participants with TBI were recruited from seven rehabilitation centers, 2-3 years after the end of rehabilitation in the province of Quebec, Canada. During a telephone interview, data were obtained regarding self-reported driving: a) habits; b) self-efficacy; c) anger expression; d) sensation-seeking; e) violations/errors; f) accidents, driving offences, and demerit points for the two-year interval predating the study. Objective data for driving offences, accidents, and demerit points were obtained from the automobile regulatory body for the same period and for the two-year interval before the injury for the TBI groups. Results: Compared to non-injured controls, the TBI-DE group reported significantly lower scores for self-reported verbal aggressive expression of anger and driving violations/errors. Conversely, their official driving records showed significantly more demerit points for the last two years, and a significantly higher frequency of serious post-rehabilitation accidents (10), compared to the TBI-NE group (one) and the control group (none). Compared to pre-injury levels, individuals with TBI had significantly more demerit points post-rehabilitation. Conclusions: Individuals with TBI may underestimate risky driving behaviors even if they have been deemed fit to drive. Reduced self-awareness, memory, and dysexecutive problems following TBI could influence self-report of driving behaviors and explain discrepancies between self-reported and objective driving-related behaviors. Recommendations for research and practice are provided.

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)0,001
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 enseignants0,071
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,212
Écart entre enseignants0,209 · 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

Citations22
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetTraffic and Road SafetyTravaux en français237 207