Clinical Factors Predicting Voluntary Driving Cessation among Patients with Parkinson’s Disease
Notice bibliographique
Résumé
Factors that influence the decision of voluntary driving cessation in patients living with Parkinson’s disease (PD) are still unclear. We aimed to reveal the factors affecting the decision of voluntary driving cessation in patients with PD. This hospital-based cross-sectional study recruited consecutive outpatients with PD. Data on sociodemographic and clinical characteristics and medication use were collected from the patients using semistructured interviews. Cognitive function was evaluated using the Japanese version of the Montreal Cognitive Assessment (MoCA-J). We excluded patients with dementia or motor impairment ( Hoehn − Yahr stage > 3 ). We divided the patients into two groups, with and without voluntary driving cessation (D: driver; RD: retired driver), and conducted investigations using multivariate logistic regression analyses. Of the 40 patients, 8 (20.0%) voluntarily retired from driving. Patients who decided on driving cessation had a higher prevalence of freezing of gait (FOG) (D vs. RD, 25.0% vs. 87.5%; P = 0.001 ) and tended to have lower scores for attention in the MoCA-J (D vs. RD, 5.0 ± 1.2 vs. 4.1 ± 1.4 ; P = 0.086 ). Multivariable analysis showed that FOG was independently associated with driving cessation (odds ratio: 14.46, 95% confidence interval: 1.91–303.74). FOG was associated with voluntary driving cessation in patients with PD without dementia or severe motor impairment. Physicians should consider providing extensive social support to maintain patients’ mobility and independence, especially if the patients have these clinical factors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».