Driving Cessation Risk Tool (DriveCRT): study protocol for a predictive algorithm assessing the 6-year risk of driving cessation in older adults
Notice bibliographique
Résumé
Introduction: Population aging is occurring in nearly all countries, with adults aged 80 and older representing the fastest-growing segment. Millions of older adults will stop or limit their driving after a lifetime of relying on it for independence and mobility. Driving cessation in older adults is linked to increased depressive symptoms, reduced physical functioning, and diminished social health. Anticipating driving cessation will be increasingly important as our population ages. Existing algorithms are not often operationalized in a way that enables older adults to use on their own because they require inputs from clinical tests. Methods and analysis: The objective of this study is to develop and validate algorithms with and without clinical measures to predict the risk of driving cessation in 6 years in adults aged 65 years and older. The study cohort will be derived using both the Comprehensive and Tracking cohorts in the Canadian Longitudinal Study on Aging (CLSA) among adults aged 65 years and older and driving at baseline (2010–2015; 11,762 drivers). Cases will be identified based on the incidence of driving cessation at 6 years following baseline measurement (2018–2021; 948 individuals stopped driving). Prespecified predictors include sociodemographic, self-reported health, functional and health condition variables. The base model will use self-reported information only, while the extended model will include additional clinical measures. Expected outcomes include validated multivariable models with measures of calibration and discrimination to assess predictive performance. The better performing algorithm will be used to support early identification of individuals at risk of driving cessation, enabling timely interventions and planning to maintain independence and mobility. This study protocol and the reporting of model estimation results will be guided by the Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis (TRIPOD) statements.
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 | 0,033 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,011 |
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 ».