Screening Tools for Cognitive Function and Driving [Internet]
Notice bibliographique
Résumé
There are various reasons why persons holding a driver’s license no longer retain the ability to drive a car. This might be e.g. stroke, traumatic brain damage, or early dementia. In order to assess the driving ability in persons with suspected cognitive impairment, there is a need for good tests that can categorize persons into three groups: (1) inability to drive a car, (2) sufficient ability to drive a car, (3) should be referred to a more comprehensive assessment of cognitive ability.In this report, we have provided an overview of existing cognitive screening tests for assessing functions of relevance for ability to drive a car, and how good the tests are for predicting who will pass an on-road driving test or who will experience a car accident during the first years after the screening test.Our key messages are: We have not found any cognitive screening tests that have good documentation of diagnostic test accuracy for predicting results on on-road driving tests. Tests that could detect at least 65 percent of dangerous drivers in all studies were the Montreal Cognitive Assessment (MoCa, detected 70-85%), the Clock Drawing Test (detected 65-71%) and the Trail-Making Test-B (detected 70-77%). We have in most cases little or very little confidence in the results There was large variation in how good the tests were for predicting results on an on-road test There is a need for standardization of the outcome measures and the test batteries in research about screening tests for driving ability We can therefore not conclude about which tests are best for detecting persons with a reduced ability to drive among persons with a suspected cognitive impairment
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,011 |
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 ».