Neuropsychological Correlates of Changes in Driving Behavior Among Clinically Healthy Older Adults
Notice bibliographique
Résumé
OBJECTIVES: To determine the extent to which cognitive domain scores moderate change in driving behavior in cognitively healthy older adults using naturalistic (Global Positioning System-based) driving outcomes and to compare against self-reported outcomes using an established driving questionnaire. METHODS: We analyzed longitudinal naturalistic driving behavior from a sample (N = 161, 45% female, mean age = 74.7 years, mean education = 16.5 years) of cognitively healthy, nondemented older adults. Composite driving variables were formed that indexed "driving space" and "driving performance." All participants completed a baseline comprehensive cognitive assessment that measured multiple domains as well as an annual self-reported driving outcomes questionnaire. RESULTS: Across an average of 24 months of naturalistic driving, our results showed that attentional control, broadly defined as the ability to focus on relevant aspects of the environment and ignore distracting or competing information as measured behaviorally with tasks such as the Stroop color naming test, moderated change in driving space scores over time. Specifically, individuals with lower attentional control scores drove fewer trips per month, drove less at night, visited fewer unique locations, and drove in smaller spaces than those with higher attentional control scores. No cognitive domain predicted driving performance such as hard braking or sudden acceleration. DISCUSSION: Attentional control is a key moderator of change over time in driving space but not driving performance in older adults. We speculate on mechanisms that may relate attentional control ability to modifications of driving behaviors.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».