USING SERIAL TRICHOTOMIZATION WITH NEUROPSYCH MEASURES TO INFORM DECISIONS ON FITNESS TO DRIVE AMONG OLDER ADULTS
Notice bibliographique
Résumé
Abstract Older adults report that driving provides a sense of independence and wellbeing. For some older adults, driving cessation becomes necessary due to their health status having an impact on their ability to drive safely. Decisions related to driving cessation are difficult and often left to the clinical judgement of primary care physicians. There is an interest in developing a method that could help assist physicians in making that determination. To date, there is no neuropsychological test that produces an acceptable level of sensitivity and specificity allowing for the determination of an individual’s fitness to drive. Serial trichotomization involves classifying drivers as either pass, fail or indeterminate based on cut-points that leads to 100% sensitivity and specificity. The purpose of this study was to examine the serial trichotomization method using four common neuropsychological tests (i.e., 3MS, Trails A & B, clock drawing). Sensitivity and specificity for each test were established using a medical expert’s clinical judgement. Charts of 105 patients at a tertiary memory disorders clinic were reviewed and data related to neuropsychological test scores and clinical judgement around fitness to drive were abstracted. After applying the trichotomization, 38.1% of the sample were classified as unfit to drive, 36.1% were classified as indeterminate, and 25.8% were classified as fit to drive. This study adds to the growing body of literature supporting the use of serial trichotomization to streamline decision-making about 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 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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».