Common driving behaviors in older adults with dementia: Insights from a systematic literature review
Notice bibliographique
Résumé
Dementia impairs driving skills, but the specific driving behaviors affected are not fully understood. This project reviewed the literature on driving behaviors more common among people with dementia compared to age-matched healthy controls. A search of Scopus, Medline All, and Embase databases (1994 to September 2024) identified relevant studies. Articles were included if they addressed driving behaviors among drivers with dementia during on-road tests, simulator experiments, or naturalistic driving, and included comparisons with non-dementia controls. Of 2359 citations, 26 studies were included: 3 used naturalistic driving, 14 driving simulators, and 9 used on-road tests. Drivers with dementia showed higher standard deviations of mean speeds, more traffic light tickets, greater out-of-lane drifting, and increased variability in mean headway distance compared to controls. Findings highlight distinct driving behavior patterns among drivers with dementia. However, these results should be interpreted cautiously due to methodological limitations, including small samples, lack of confounding factors, and non-validated settings. HIGHLIGHTS: Drivers with dementia exhibit distinct driving patterns that consistently set them apart from cognitively intact drivers. Compared to age-matched controls, drivers with dementia are more likely to demonstrate greater variability in mean speeds, accumulate more traffic light violations, exhibit higher instances of lane drifting, and show increased variability in mean headway distance. Driving simulators, on-road tests, and naturalistic driving methods have been used to study driving in individuals with dementia, although most evidence comes from simulator studies, which may not fully reflect real-world driving conditions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».