MétaCan
Menu
Retour à la cohorte
Enregistrement W3111146072 · doi:10.5014/ajot.2021.041608

Establishing the Predictive Validity of the ScanCourse for Assessing On-Road Driving Performance

2020· article· en· W3111146072 sur OpenAlexaffabout
Eric Chau, Adam Nishi, Lisa Kristalovich, Ana Holowaychuk, W. Ben Mortenson

Notice bibliographique

RevueAmerican Journal of Occupational Therapy · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensVancouver Coastal Health Research InstituteVancouver Coastal HealthVancouver General HospitalGlenrose Rehabilitation HospitalGF Strong Rehabilitation CentreInternational Collaboration On Repair DiscoveriesUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPredictive validityCutoffRehabilitationPoison controlPsychological interventionReceiver operating characteristicMedicinePhysical medicine and rehabilitationPhysical therapyClinical psychologyMedical emergencyPsychiatry

Résumé

récupéré en direct d'OpenAlex

IMPORTANCE: Scanning the environment is critical for driving safety. The ScanCourse is a functional assessment that assesses a person's ability to scan the environment for visual information while in motion. Measurement properties for the ScanCourse have been reported; however, its predictive validity is unknown. OBJECTIVE: To determine the predictive validity of the ScanCourse for on-road driving performance and establish clinical cutoff scores. DESIGN: Retrospective chart reviews were conducted over a 6-mo period. SETTING: Four Canadian driver rehabilitation programs. PARTICIPANTS: Charts from patients with neurological or vision conditions were eligible if they contained ScanCourse and on-road driving evaluation results between September 1, 2008, and August 30, 2018. Three hundred twenty-five charts were included for analysis. OUTCOMES AND MEASURES: Area under the curve (AUC) analysis was used to determine the predictive validity of ScanCourse scores for on-road outcomes; cutoff scores were established by optimizing sensitivity and specificity. RESULTS: The ScanCourse had an AUC of .702. The optimal cutoff score was 18/20 with a sensitivity of 76.7% and a specificity of 47.1%. CONCLUSIONS AND RELEVANCE: Assessing the scanning abilities of at-risk drivers who intend to return to driving after sustaining an injury can help identify safety risks and inform interventions. The ScanCourse was found to have acceptable discriminatory ability for on-road driving performance. This study provides evidence supporting its continued use as a screening tool to assess driver fitness with an identified optimal cutoff score for clinical use. WHAT THIS ARTICLE ADDS: Measuring the predictive ability of the ScanCourse assessment in relation to on-road driving performance provides occupational therapists with an evidence-based clinical tool to assist with screening fitness to drive among at-risk people.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,724

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,183
Tête enseignante GPT0,460
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Occupational TherapyMême sujetOlder Adults Driving StudiesTravaux en français237 207