Enhancing guidelines for managing cognitively impaired drivers: Insights from Western evidence for Asian adaptation
Notice bibliographique
Résumé
Introduction: The global incidence of dementia is increasing, and cognitively impaired drivers are at a higher risk of crashes compared to healthy drivers. Doctors face challenges in assessing these at-risk drivers, with questionable adherence to existing guidelines. This study aimed to review and compare guidelines for managing cognitively impaired drivers from various countries. Method: A scoping review was conducted to identify relevant guidelines, which were then descriptively compared with Singapore's guideline. Results: Eleven guidelines from 8 countries: US (n=2), Canada (n=2), UK (n=2), Ireland, Belgium, Australia, New Zealand and Singapore were reviewed. All guidelines support driving assessments and conditional licensing in ordinary (i.e. non-professional) drivers with dementia. Canada stands out for not allowing co-piloting and geographical restrictions in conditional licensing practice. Few guidelines provide indemnity for doctors reporting to licensing authorities, and communication about the impact of dementia on car insurance is rarely addressed. Most Western guidelines include evidence-based approaches, provisions for drivers with mild cognitive impairment and early discussions on transitioning from driving. A clinic-based functional screening toolbox and 2 clinical algorithms (1 with and 1 without the Clinical Dementia Rating scale) were identified as having universal applicability. Singapore's guideline, by comparison, is outdated and lacks both developmental rigour and guidance on managing mild cognitive impairment and transitioning drivers out of driving. Conclusion: Comprehensive, evidence-based guidelines from Western countries provide valuable resources that can help Singapore design or update its guideline.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».