MétaCan
Menu
Retour à la cohorte
Enregistrement W4390081048 · doi:10.1093/geroni/igad104.3690

UTILIZING ADVANCED DRIVER ASSISTANCE SYSTEMS IN LATER LIFE: INSIGHTS FROM A LONGITUDINAL STUDY ON AGING DRIVERS

2023· article· en· W4390081048 sur OpenAlexaff
Renée M. St. Louis, David W. Eby, Lidia P. Kostyniuk, Lisa J. Molnar, Jennifer S. Zakrajsek, Nicole Zanier, Linda Nyquist, Raymond Yung

Notice bibliographique

RevueInnovation in Aging · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCruise controlAdvanced driver assistance systemsSAFEREmerging technologiesWarning systemVehicle safetyLongitudinal studyEngineeringAeronauticsControl (management)Transport engineeringComputer scienceComputer securityMedicineAutomotive engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract Level 1 and 2 Advanced Driver Assistance System (ADAS) technologies (e.g., adaptive cruise control, blind spot warning, lane keep assist) are predicted to be available in approximately three-fourths of all vehicles worldwide by 2025. To realize the potential of these systems in extending safe mobility for aging adults, it is critical that the driver understands the functionality of the technology and uses the system appropriately. The current study examined demographic and vehicle technology questionnaire data from the Longitudinal Research on Aging Drivers (LongROAD) cohort study which concluded in December 2022. A total of 1,417 participants changed their vehicle throughout the study. There were statistically significant increases in the prevalence of all 15 ADAS technologies examined. Despite increases in prevalence, frequency of using the technologies remained unchanged across 5 years. Frequency of use also varied by functionality of the technology whereby participants reported higher frequency of using technologies that provide alerts, such as blind spot warning, than technologies that take action to assist drivers with vehicle operations, such as adaptive cruise control. Results showed differences in prevalence and use of technologies by income and education, suggesting disparities in access to vehicles with technologies that could help to create a safer driving experience. In consideration of the rapid proliferation of ADAS into the vehicle fleet, increased research into how older drivers learn about and use ADAS technologies will assist in efforts to develop tailored and accessible programs for training older adults to properly utilize ADAS available in their own vehicles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,414
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetOlder Adults Driving StudiesTravaux en français237 207