Factors Affecting Driving Cessation of Older Adults and Their Satisfaction with Mobility Options
Notice bibliographique
Résumé
Out-of-home mobility has been identified as essential for older adults to access activities in their community that keep them healthy and well. As individuals grow older, they are more likely to experience medical conditions and other health-related changes that can affect their ability to drive. Balancing older peoples’ continued mobility against their own and others’ safety has been always a challenge. Therefore, it is important to understand elderly people’s everyday mobility issues and challenges/factors associated with driving cessation. This paper aims to identify and quantify factors contributing to older adults’ satisfaction with their everyday mobility using ordered probit (OP) modeling. Its underlying objective is to provide better understanding of factors that may influence older adults to stop driving. The data used in the analysis was obtained through an online survey of 1,000 Canadians aged 65+. The results of the OP model indicate that several factors affect older adults’ satisfaction with their everyday mobility including driving a car to reach destinations, ability to drive alone (without help from others), experiencing difficulties/challenges with driving, having a physical health issue restricting the ability to walk, fear of falling while walking, and inability to visit local places as often as desirable. The findings also suggest that factors influencing older drivers’ decisions to retire from driving (for those already retired from driving) are different from those perceived by people still driving. The study’s results provide insights about policies and countermeasures that can be implemented to improve the safety and mobility of the aging population.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».