Understanding driving after stroke: safety outcomes and characteristics of those who return to driving
Notice bibliographique
Résumé
Peu d'attention a été portée sur les caractéristiques des conducteurs suite à un ACV, alors il est très difficile de prendre en considération les risques d'accident associés aux séquelles d'un ACV. Par conséquent, l'objectif spécifique était d'estimer à quel point les facteurs neuraux et fonctionnels à 3 mois prédisent un retour à la conduite 12 mois suite à un ACV. Une sous-cohorte de conducteurs (n=290) a été sélectionnée de 678 canadiens qui ont participé à une étude longitudinale portant sur les variables reliés à un ACV. Des 290 participants (68% sont des hommes, âge 64 ans, CNS : 8.5), 177 (61%) reconduisaient après 12 mois. La relation entre les facteurs et le statut de conduite ont été modelé afin de faire une analyse des pistes causales (path analysis). Les personnes présentant un score élevé sur l'échelle SIS pour la force et l'activité combiné au MMSE, ainsi que les personnes ayant un ACV ischémique, sont plus enclin de conduire de nouveau. La fatigue, le genre ainsi que la sévérité de l'ACV influencent indirectement la conduite à travers force et l'activité. Les futures recherches intégrant des mesures plus sensibles. La prochaine direction à prendre est d'intégrer des mesures de la fonction plus sensible à l'analyse des causalités avec des facteurs contextuels.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».