Feasibility of utilizing clinical and driving simulator assessments to indicate driving performance deficits in adults with multiple sclerosis
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: Drivers with Multiple Sclerosis (MS) experience visual-cognitive impairment that impact on-road driving performance. OBJECTIVE: This study examines the feasibility of utilizing visual-cognitive and driving simulator assessments to indicate driving performance deficits (operational, tactical, and strategic maneuvers) in drivers with MS. METHODS: Through an evidence-informed feasibility framework, we evaluated recruitment capability and resulting sample characteristics, data collection procedures and outcome measures, participants’ acceptability and suitability of the driving simulator, the resources and ability to implement the study, and clinical and driving simulator assessment results. RESULTS: Thirty-eight persons with MS (median age [Formula: see text] 43 years, IQR [Formula: see text] 19) and 21 persons without MS (median age [Formula: see text] 41 years, IQR [Formula: see text] 14) participated. Missing data on the driving simulator resulted from scenario complexity (13 with MS, 4 without MS) or the onset of simulator sickness (1 with MS, 1 without MS). Seven participants with MS and two participants without MS reported symptoms of simulator sickness. Participants with MS (vs without MS) made more adjustment to stimuli errors (tactical maneuvers). For participants with MS, immediate verbal/auditory recall or divided/selective attention correlated with simulated driving maneuvers. CONCLUSIONS: Study findings identified challenges (missing data, simulator sickness), but established feasibility for executing a full-scale study to predict driving simulator performance in drivers with MS.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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