Are interventions effective at improving driving in older drivers?: A systematic review
Notice bibliographique
Résumé
BACKGROUND: With the aging of the population, the number of older drivers is on the rise. This poses significant challenges for public health initiatives, as older drivers have a relatively higher risk for collisions. While many studies focus on developing screening tools to identify medically at-risk drivers, little research has been done to develop training programs or interventions to promote, maintain or enhance driving-related abilities among healthy individuals. The purpose of this systematic review is to synopsize the current literature on interventions that are tailored to improve driving in older healthy individuals by working on components of safe driving such as: self-awareness, knowledge, behaviour, skills and/or reducing crash/collision rates in healthy older drivers. METHODS: Relevant databases such as Scopus and PubMed databases were selected and searched for primary articles published in between January 2007 and December 2017. Articles were identified using MeSH search terms: ("safety" OR "education" OR "training" OR "driving" OR "simulator" OR "program" OR "countermeasures") AND ("older drivers" OR "senior drivers" OR "aged drivers" OR "elderly drivers"). All retrieved abstracts were reviewed, and full texts printed if deemed relevant. RESULTS: Twenty-five (25) articles were classified according to: 1) Classroom settings; 2) Computer-based training for cognitive or visual processing; 3) Physical training; 4) In-simulator training; 5) On-road training; and 6) Mixed interventions. Results show that different types of approaches have been successful in improving specific driving skills and/or behaviours. However, there are clear discrepancies on how driving performance/behaviours are evaluated between studies, both in terms of methods or dependent variables, it is therefore difficult to make direct comparisons between these studies. CONCLUSIONS: This review identified strong study projects, effective at improving older drivers' performance and thus allowed to highlight potential interventions that can be used to maintain or improve older drivers' safety behind the wheel. There is a need to further test these interventions by combining them and determining their effectiveness at improving driving performance.
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 | 0,009 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,007 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».