MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401200168 · doi:10.1136/bmjopen-2023-080609

Schizophrenia, antipsychotic treatment adherence and driver responsibility for motor vehicle crash: a population-based retrospective study in British Columbia, Canada

2024· article· en· W4401200168 sur OpenAlexafffundabout
John A. Staples, Daniel Daly‐Grafstein, Mayesha Khan, Lulu X Pei, Shannon Erdelyi, Stefanie N. Rezansoff, Herbert Chan, William G. Honer, Jeffrey R. Brubacher

Notice bibliographique

RevueBMJ Open · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensSimon Fraser UniversityCentre for Advancing Health OutcomesBC Mental Health & Substance Use ServicesUniversity of British Columbia
Organismes subventionnairesInstitute of Population and Public HealthMichael Smith Health Research BC
Mots-clésMedicineSchizophrenia (object-oriented programming)PsychiatryAntipsychoticCrashRetrospective cohort studyPopulationHuman factors and ergonomicsInjury preventionMotor vehicle crashPoison controlSuicide preventionOccupational safety and healthMedical emergencyEnvironmental healthSurgery

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine the relationship between schizophrenia, antipsychotic medication adherence and driver responsibility for motor vehicle crash. DESIGN: Retrospective observational cohort study using 20 years of population-based administrative health and driving data. SETTING: British Columbia, Canada. PARTICIPANTS: Licensed drivers who were involved in a police-attended motor vehicle crash in British Columbia over a 17-year study interval (2000-16). EXPOSURES: Incident schizophrenia was identified using hospitalisation and physician services data. Antipsychotic adherence was estimated using prescription fill data to calculate the 'medication possession ratio' (MPR) in the 30 days prior to crash. PRIMARY OUTCOME MEASURES: We deemed drivers 'responsible' or 'non-responsible' for their crash by applying a validated scoring tool to police-reported crash data. We used logistic regression to evaluate the association between crash responsibility and exposures of interest. RESULTS: Our cohort included 808 432 drivers involved in a police-attended crash and for whom crash responsibility could be established. In total, 1689 of the 2551 drivers with schizophrenia and 432 430 of the 805 881 drivers without schizophrenia were deemed responsible for their crash, corresponding to a significant association between schizophrenia and crash responsibility (66.2% vs 53.7%; adjusted OR (aOR), 1.67; 95% CI, 1.53 to 1.82; p<0.001). The magnitude of this association was modest relative to established crash risk factors (eg, learner license, age ≥65 years, impairment at time of crash). Among the 1833 drivers with schizophrenia, near-optimal antipsychotic adherence (MPR ≥0.8) in the 30 days prior to crash was not associated with lower crash responsibility (aOR, 1.04; 95% CI, 0.83 to 1.30; p=0.55). CONCLUSIONS: Crash-involved drivers with schizophrenia are more likely to be responsible for their crash, but the magnitude of risk is similar to socially acceptable risk factors such as older age or possession of a learner license. Contemporary driving restrictions for individuals with schizophrenia appear to adequately mitigate road risks, suggesting more stringent driving restrictions are not warranted.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,014
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,304
Écart entre enseignants0,279 · 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

Citations8
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetTraffic and Road Safety→Travaux en français237 207→