Glaucomatous visual fields and neurocognitive function are independently associated with poor lane maintenance during driving simulation
Notice bibliographique
Résumé
BACKGROUND: Driving simulators are a safe alternative to on-road vehicles for studying driving behavior in glaucoma drivers. Visual field (VF) loss severity is associated with higher driving simulator crash risk, though mechanisms explaining this relationship remain unknown. Furthermore, associations between driving behavior and neurocognitive performance in glaucoma are unexplored. Here, we evaluated the hypothesis that VF loss severity and neurocognitive performance interact to influence simulated vehicle control in glaucoma drivers. METHODS: Glaucoma patients (n = 25) and suspects (n = 18) were recruited into the study. All had > 20/40 corrected visual acuity in each eye and were experienced field takers with at least three stable (reliability > 20%) fields over the last 2 years. Diagnosis of neurological disorder or cognitive impairment were exclusion criteria. Binocular VFs were derived from monocular Humphrey VFs to estimate a binocular VF index (OU-VFI). Montreal Cognitive Assessment (MoCA) was administered to assess global and sub-domain neurocognitive performance. National Eye Institute Visual Function Questionnaire (NEI-VFQ) was administered to assess peripheral vision and driving difficulties sub-scores. Driving performance was evaluated using a driving simulator with a 290° panoramic field of view constructed around a full-sized automotive cab. Vehicle control metrics, such as lateral acceleration variability and steering wheel variability, were calculated from vehicle sensor data while patients drove on a straight two-lane rural road. Linear mixed models were constructed to evaluate associations between driving performance and clinical characteristics. RESULTS: Patients were 9.5 years older than suspects (p = 0.015). OU-VFI in the glaucoma group ranged from 24 to 98% (85.6 ± 18.3; M ± SD). OU-VFI (p = .0066) was associated with MoCA total (p = .0066) and visuo-spatial and executive function sub-domain scores (p = .012). During driving simulation, patients showed greater steering wheel variability (p = 0.0001) and lateral acceleration variability (p < .0001) relative to suspects. Greater steering wheel variability was independently associated with OU-VFI (p = .0069), MoCA total scores (p = 0.028), and VFQ driving sub-scores (p = 0.0087), but not age (p = 0.61). CONCLUSIONS: Poor vehicle control was independently associated with greater VF loss and worse neurocognitive performance, suggesting both factors contribute to information processing models of driving performance in glaucoma. Future research must demonstrate the external validity of current findings to on-road performance in glaucoma.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».