MétaCan
Menu
Retour à la cohorte
Enregistrement W3193892883 · doi:10.1089/can.2020.0141

Preliminary Eye-Tracking Data as a Nonintrusive Marker for Blood Δ-9-Tetrahydrocannabinol Concentration and Drugged Driving

2021· article· en· W3193892883 sur OpenAlexaff
Ali Shahidi Zandi, Felix J. E. Comeau, Robert E. Mann, Patricia Di Ciano, Eliyas P. Arslan, Thomas W Murphy, Bernard Le Foll, Christine M. Wickens

Notice bibliographique

RevueCannabis and Cannabinoid Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensPublic Health OntarioUniversity of TorontoOntario Brain InstituteCentre for Addiction and Mental HealthAlcohol Countermeasure Systems (Canada)
Organismes subventionnairesnon disponible
Mots-clésStandard deviationCannabisEye movementSaccadePupilEpoch (astronomy)Eye trackingDriving simulatorPoison controlAudiologySimulationPsychologyComputer scienceStatisticsMedicineOphthalmologyArtificial intelligenceMathematicsComputer visionEmergency medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: Cannabis is one of the drugs most often found in drivers involved in serious motor vehicle collisions. Validity and reliability of roadside cannabis detection strategies are questioned. This pilot study aimed to investigate the relationship between eye characteristics and cannabis effects in simulated driving to inform potential development of an alternative detection strategy. Materials and Methods: Multimodal data, including blood samples, eye-tracking recordings, and driving performance data, were acquired from 10 participants during a prolonged single-session driving simulator experiment. The study session included a baseline driving trial before cannabis exposure and seven trials at various times over ∼5 h after exposure. The multidimensional eye-tracking recording from each driving trial for each participant was segmented into nonoverlapping epochs (time windows); 34 features were extracted from each epoch. Blood Δ-9-tetrahydrocannabinol (THC) concentration, standard deviation of lateral position (SDLP), and mean vehicle speed were target variables. The cross-correlation between the temporal profile of each eye-tracking feature and target variable was assessed and a nonlinear regression analysis evaluated temporal trend of features following cannabis exposure. Results: Mean pupil diameter ( r =0.81–0.86) and gaze pitch angle standard deviation ( r =0.79–0.87) were significantly correlated with blood THC concentration ( p <0.01) for all epoch lengths. For driving performance variables, saccade-related features were among those showing the most significant correlation ( r =0.61–0.83, p <0.05). Epoch length significantly affected correlations between eye-tracking features and speed ( p <0.05), but not SDLP or blood THC concentration ( p >0.1). Temporal trend analysis of eye-tracking features after cannabis also showed a significant increasing trend ( p <0.01) in saccade-related features, including velocity, scanpath, and duration, as the influence of cannabis decreased by time. A decreasing trend was observed for fixation percentage and mean pupil diameter. Due to the lack of placebo control in this study, these results are considered preliminary. Conclusion: Specific eye characteristics could potentially be used as nonintrusive markers of THC presence and driving-related effects of cannabis. clinicaltrials.gov (NCT03813602).

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,040
Tête enseignante GPT0,376
Écart entre enseignants0,336 · 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.

Devis d'étudeSans objet
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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCannabis and Cannabinoid ResearchMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207