A SYSTEMATIC REVIEW OF EFFECTIVE STRATEGIES OR INTERVENTIONS TO SUPPORT DRIVING CESSATION AMONG OLDER ADULTS
Notice bibliographique
Résumé
Abstract Driving remains the primary mode of transportation and often the only mode for rural and suburban areas. However, research is clear we all outlive our ability to drive. Nevertheless, as community mobility is essential to health and quality of life, we need to study and invest in understanding how to use and learn alternative means of transportation, especially for the vulnerable aging. A systematic review was designed to examine the literature for evidence-based strategies or interventions to support driving cessation among older adults while maintaining community mobility. The team of 13 international researchers from seven countries used the Covidence software with support of an expert health sciences librarian. Using multiple search terms (e.g., driving retirement; driving cessation; driving transition; interventions; strategies; older adults), 7317 studies were imported for screening with 7059 eliminated; 205 full texts were assessed for eligibility by 2-3 members. With 187 excluded, 19 studies were included and examined by the two primary authors. Results demonstrate low evidence of effectiveness of programmatic interventions, although multiple strategies have been identified. Overwhelmingly, the evidence supports starting very early with discussions about the process of transitioning from driving to being a passenger; particularly true with progressive diagnoses such as dementia. This presentation will highlight the programs currently available, strategies that appear to be successful, and review current toolkits for supporting driving cessation as well as emerging interventions and strategies.
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 | 0,008 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».