Longitudinal Analysis of Driving Behavior and Cognitive Performance in Older Adults
Notice bibliographique
Résumé
Abstract The early detection of cognitive impairment is vital to effective intervention and treatment. Real-world driving behavior may serve as an indicator of cognitive function. This study examines longitudinal changes in driving behaviors and cognitive performance. Twenty-two older adults (mean age = 74.15 years; 10 females) were assessed at baseline and at follow-up (range: 4.75–7.24 years; mean = 5.41, SD = 0.67). Cognitive function was evaluated using the Montreal Cognitive Assessment (MoCA). Driving behavior was monitored via vehicle GPS sensors over a three-month period at both time points. Maximum distance from home was defined as the vehicle’s displacement at the end of each drive, regardless of where the drive began. Approximately 97,539 miles were recorded. At baseline, the maximum distance from home averaged 466.27 miles (SD = 231.21), which declined to 160.69 miles (SD = 270.27) at follow-up. MoCA scores decreased from a mean of 26.73 (SD = 2.23) at baseline to 25.59 (SD = 2.38) at follow-up. Paired t-tests revealed a significant reduction in maximum driving distance (t = 3.854, p = 0.001) and a significant decline in MoCA scores (t = 2.435, p = 0.024). Pearson correlations showed no significant association between MoCA scores and maximum distance from home at baseline (r = -0.16, p = 0.49) or follow-up (r = -0.12, p = 0.6). The study found that both driving distance and cognitive performance declined over time. Overall, real-world driving behavior offers a longitudinal index to complement clinical assessments in patients at risk for cognitive decline and neurodegeneration.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».