Ability of the Maze Navigation Test, Montreal Cognitive Assessment, and Trail Making Tests A & B to predict on-road driving performance in current drivers diagnosed with dementia.
Notice bibliographique
Résumé
AIM: This study aimed to evaluate the ability of the Maze Navigation Test (MNT), Montreal Cognitive Assessment (MoCA) and Trail Making Tests A & B (TMT A & B) to predict on-road driving performance in current drivers diagnosed with dementia. METHODS: Current drivers with a diagnosis of dementia in whom there were clinical concerns about their driving safety were invited to participate between December 2014 and February 2018. Participants completed the MNT, MoCA and TMT A & B, then underwent a blinded specialist Occupational Therapy & Rehabilitation Service (OTRS) off-road and on-road driving assessment. RESULTS: Of the 34 participants, 19 (55.9%) retained their full license and 15 (44.1%) received driving restrictions (including cessation). Only completion time for the MNT (AUC .737, p=.019), the MoCA domain of attention (AUC .809, p=.003) and a combination of the MoCA domain of attention and visuospatial/executive (AUC .783, p=.006) predicted outcome. Derived optimal cut-scores were <443s for MNT completion time (sensitivity 73.3%, specificity 68.4%), <5/6 for MoCA-attention (sensitivity 73.3%, specificity 72.2%) and <8/11 for MoCA-visuospatial/executive+attention (sensitivity 80%, specificity 66.7%). Using these derived cut-scores, MNT completion time predicted poor performance during the on-road assessment in the domains of speed control (p=.039), planning/judgement (p=.004) and vehicle position (p=.028). CONCLUSION: Results of this study indicate MNT completion time and the MoCA domains of attention and visuospatial/executive could be used to inform driving ability and further referral for a specialist driving assessment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».