257 Identifying safe vs unsafe medically at-risk drivers through serial trichotomization
Notice bibliographique
Résumé
<h3>Background</h3> Clinical test batteries to predict safe vs unsafe drivers are not accurate enough to exempt the on-road test for medically at-risk drivers. Applying serial trichotomization to clinical test batteries may reduce the need to test all at-risk drivers. <h3>Aims</h3> To examine whether serial trichotomization predicts pass/fail outcomes of a comprehensive driving evaluation (CDE) in medically at-risk drivers with physician-referrals for a CDE. <h3>Methods</h3> CDE data was collected retrospectively from two driver assessment clinics in Canada (n=143; mean age 69.3±14.1 years). Clinical tests included the Montreal Cognitive Assessment (MoCA), Trail Making A and B tests, and Useful Field of View subtests 1–3 (UFOV1–3), and a pass/fail or indeterminate (i.e., fail with lessons and retest) outcome on the CDE. Serial trichotomization involved performing a receiver operating characteristics curve for each clinical test to determine cut-points with 100% accuracy in predicting pass/fail outcomes. A funnel was created arranging the clinical tests in order of accuracy (i.e., most-least) for predicting pass/fail outcomes, and with each clinical test’s cut-points, determining pass/fail or indeterminate outcomes. <h3>Results</h3> Compared to participants’ CDE outcomes, serial trichotomization of the UFOV3, UFOV2, UFOV1, Trails B, MoCA, and Trails A predicted more pass (44% vs 33%) and fail outcomes (34.3% vs 27%) with fewer indeterminate outcomes (21.7% vs 40%). <h3>Conclusion</h3> Serial trichotomization more accurately identifies safe vs unsafe medically at-risk drivers, reducing the number of unnecessary on-road tests, driving assessor caseloads, and client wait times. <h3>Learning Outcome</h3> Describe the process of serial trichotomization of clinical tests predicting CDE outcomes.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».