Medication and driving: A comparison between Canada, United States, and Europe
Notice bibliographique
Résumé
Background. Drug-impaired driving is a prominent road safety concern and research surrounding this issue is being conducted at an unprecedented pace. However much less is known about driving under the influence of prescription medication, and how to manage this road safety issue, especially in light of an aging population. Further research to support the development of tailored enforcement strategies and educational campaigns that address the risks associated with prescription medication use and driving is needed. Objectives. The objective of this study was to compare the rates of drivers in Canada, Europe and the United States who self-declare driving after taking medication with a warning that it may influence driving ability to determine what quantitative differences exist between these three regions. The effects of demographics and personal beliefs on this self-reported behaviour were also examined. Methods. Self-reported use of prescription medication with a warning that it may influence driving ability, and personal acceptability of this behaviour were measured as part of the E-Survey of Road Users’ Attitudes (ESRA 2; www.esranet.eu). ESRA 2 is a joint international initiative of 26 research centres and road safety institutes; the project has surveyed road users in 38 countries on 5 continents. The descriptive analysis compared rates of this self-reported behaviour and opinions regarding personal acceptability by region. A multivariate model predicting driver’s self-reported use of prescription medication with a warning that it may influence driving ability was estimated. Results. At the time of submission of this abstract, data collection for the cross-sectional online survey is ongoing. Data collection will begin in December 2018; final analysis results will be available in February, 2019.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».