Feasibility of utilizing clinical and driving simulator assessments to indicate driving performance deficits in adults with multiple sclerosis
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.
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 | 0,020 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».