Establishing the Predictive Validity of the ScanCourse for Assessing On-Road Driving Performance
Notice bibliographique
Résumé
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 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 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».