Risk of Motor Vehicle Collisions and Culpability among Older Drivers Using Cannabis: A Meta-Analysis
Notice bibliographique
Résumé
Limited studies have investigated the effects of cannabis use on driving among older adults, who represent the fastest growing segment of drivers globally. We conducted a systematic review and meta-analysis to evaluate the effects of delta-9-tetrahydrocannabinol (THC) exposure on risks of (1) motor vehicle collisions (MVC) and (2) culpability for MVCs among adults 50 years and older. Three reviewers screened 7022 studies identified through MEDLINE, EMBASE, CENTRAL, and PsycINFO. Odds Ratios (OR) were calculated using the Mantel-Haenszel method in Review Manager 5.4.1. Heterogeneity was assessed using I2. The National Heart, Lung, and Blood Institute tool was used to assess the quality of each study. Seven cross-sectional studies were included. Three studies evaluated culpability while four evaluated MVC. The pooled risk of MVC was not significantly different between THC-positive and THC-negative older drivers (OR, 95% CI 1.15 [0.40, 3.31]; I2 = 72%). In culpability studies, THC exposure was not significantly associated with an increased risk of being culpable for MVC among adults over the age of 50 (OR, 95% CI 1.24 [0.95, 1.61]; I2 = 0%). Inspection of funnel plots did not indicate publication bias. Our review found that THC exposure was not associated with MVC involvement nor with culpability for MVCs.
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 | 0,012 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,057 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».