An International Review of Motor Vehicle Collision Risk with Medical Conditions in Older Adults
Notice bibliographique
Résumé
Abstract The objective was to examine the impact of seven categories of medical illness on risk of Motor Vehicle Collisions (MVC) in older adults. In late 2019, a systematic review of the MVC risk associated with alcohol use disorders, psychiatric disorders, epilepsy, diabetes, hearing loss, vision disorders and sleep disorders was conducted. A total of 64,720 titles were screened, and 138 articles were included. Of these, only thirteen pertained to older adults, only six showed increased MVC risk in at least one condition, and only seven were rated of “Good” quality. Hearing impairment was associated with MVC only if associated with visual acuity or contrast sensitivity impairments (RR 1.52, 95% CI 1.01-2.3 and RR 2.41, 95% CI 1.62-3.57, respectively). A high depression score was associated with increased MVC (RR 1.5, 95% CI 1.1-2.1) in one study, but a similar relationship was not found in two other studies. Glaucoma increased at-fault MVC risk (RR 1.65, 95% CI 1.20-2.28) in one study, but no relationship was found in another. Visual field loss increased MVC risk in three of four studies (RR or HR ranging from 1.31 to 2.32). One negative study each were identified for alcohol use disorders, age-related macular degeneration, any eye disease, or any psychiatric disorder, and four negative studies were identified for reduced visual acuity. No studies of older adults were found for epilepsy or sleep disorders. Interpretation of MVC risk in older drivers with medical illness is rendered challenging by the paucity and quality of studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».