Driving behaviour and visual compensation in glaucoma patients: Evaluation on a driving simulator
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: To assess the driving performance and both the visual scanning and driving compensations of glaucoma patients. METHODS: In this case-control pilot study, the driving behaviour and performance of 14 patients with glaucoma and nine healthy age- and sex-similar control subjects were compared in a fixed-base driving simulator. All subjects performed in four scenarios with one to two hazardous situations on urban streets, for a total of five hazards. Measurements taken during the tests included reaction times, longitudinal regulation, lateral control and eye and head movements. RESULTS: Glaucoma patients showed poor driving performance with longer reaction time to hazardous situations than control subjects: pedestrians crossing the road from the left (p < 0.022) or from the right (p = 0.013), and vehicles coming from the left (p = 0.002). Their mean duration of lateral excursion was longer (p = 0.045), and they showed more lane excursions in a wide left curve (p = 0.045). Glaucoma patients also showed a higher standard deviation of time-headway (p = 0.048) with preceding vehicles. Analyses of driving behavioural compensations on curved roads showed that glaucoma patients stayed closer to the centre line in large (p = 0.006) and small (p = 0.025) left curves and on small right curves (p = 0.041). Additionally, on straight roads, as compared to control subjects, glaucoma patients showed longer mean time-headway (p = 0.032) and lower mean speed (p = 0.04). Finally, the glaucoma group exhibited a larger standard deviation of horizontal gaze (p = 0.034) than the control subjects. CONCLUSIONS: In a virtual driving environment, glaucoma patients exhibited unsafe driving behaviours, despite their driving and eye-scanning compensations.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle