Introducing practical tools for fit to drive assessment of the elderly: A step toward improving the health of the elderly
Notice bibliographique
Résumé
Today, as age increases, the demand for independent living has increased. Since driving is one of the safest and preferred ways for the elderly to travel, paying close attention to the accurate assessment of the elderly's driving ability can prevent traffic accidents in this age group. The purpose of this study was to identify and introduce practical tools for drive assessment fitness of the elderly. This systematic review was conducted according to Cochrane methodology and reported findings according to PRISMA. The following databases were searched from PubMed, ISI web of knowledge, Scopus, ProQuest, Medlib, SID, Magiran, Iran doc, and Iran Medex based on the population intervention comparison outcome method. The total records involving 12 main tools were assessed from 26 selected records in the final evaluation. The research findings indicated the selection of seven tools in the psycho-cognitive function domain such as TMT-B, Clock Drawing Test, MAZE, Montreal Cognitive Assessment, GDS-15, MMSE, and ACE-R, three tools in the sensory function domain such as Snellen, Confrontation Visual field, and Whispered Voice Test, and also two tools in motor function domain such as Rapid pace walk, and Manual test of the range of motion. The findings led to selecting practical, accurate, and fast tools for widespread use for the assessment of driving competencies of the elderly. Therefore, it is recommended that the selected tools be used in practical batteries to assess the driving skills of the elderly.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».