A Systematic Review of the Risks of Motor Vehicle Crashes Associated with Psychiatric Disorders
Notice bibliographique
Résumé
OBJECTIVE: Psychiatric disorders and their treatments have the potential to adversely impact driving skills. However, it is unclear to what extent this poses a public health risk by increasing the risk of motor vehicle crashes (MVCs). The aim of this systematic review was to synthesize and critically appraise evidence on the risk of MVC for drivers with psychiatric disorders. METHOD: We conducted a systematic review of the MVC risk associated with psychiatric disorders using seven databases in November 2019. Two reviewers examined each study and extracted data. The National Heart, Lung, and Blood Institute Quality Assessment tools were used to assess each study's quality of evidence. RESULTS: We identified 24 studies that met the inclusion criteria, including eight cohort, 10 case-control, and six cross-sectional designs. Quality assessment ratings were "Good" for four studies, "Fair" for 10, and "Poor" for 10. Self-report or questionnaires were used in place of objective measures of either MVC, psychiatric disorder, or both in 12 studies, and only seven adjusted for driving exposure. Fifteen studies reported an increased risk of MVC associated with psychiatric disorders, and nine did not. There was no category of disorder that was consistently associated with increased MVC risk. CONCLUSION: The available evidence is mixed, not of high quality, and does not support a blanket restriction on drivers with psychiatric disorder. An individualized approach, as recommended by international guidelines, should continue. Further research should include objective assessments of psychiatric disorders and MVC risk and adjust for driving exposure.
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 | 0,015 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,010 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».