JAMDA: Для оценки пожилых водителей применяют инструмент с 91,5% точностью

По мере старения населения планеты растет и доля пожилых водителей на дорогах. А ведь для безопасного вождения необходимы адекватная память, перцептивные и моторные навыки, а также способность принимать верные решения.

Хотя люди с тяжелой формой болезни Альцгеймера и связанными с ней деменциями совершенно точно не могут безопасно управлять автомобилем, изменения в водительских качествах могут начаться уже на доклинической стадии болезни Альцгеймера.

Решение о прекращении вождения из-за снижения когнитивных способностей является трудным и спорным как для пожилых людей, так и для их семей и врачей. Хотя существует множество когнитивных тестов и оценок на дороге, практикующие врачи сообщают, что они имеют ограниченную подготовку, а также нехватку времени для проведения этих тестов, чтобы определить, следует ли пациенту прекратить вождение. Кроме того, трудно получить объективные доказательства.

С помощью калькулятора «Fit2Drive», основанного на фактических данных, исследователи из Атлантического университета Флориды упростили проведение и оценку теста в кабинете для прогнозирования вероятности сдачи пожилым человеком экзамена по вождению на дороге. Основанный на кратких, легко выполняемых когнитивных тестах, Fit2Drive позволяет объективно оценить способность к вождению для тех, у кого есть проблемы с когнитивными способностями.

Для исследования ученые Колледжа сестринского дела ФАУ Кристин Э. Линн и Колледжа науки Чарльза Э. Шмидта создали алгоритм для быстрого составления прогноза для отдельного пациента. Они объединили 12 когнитивных тестов и данные о дорожной обстановке, полученные от двух выборок: пациентов из хранилища данных Центра памяти и здоровья Луиса и Анны Грин при ФАУ и пожилых водителей из местных жителей.

Когнитивные тесты включали в себя Mini-Mental State Exam (MMSE), известный 30-балльный инструмент для скрининга деменции, и Trail Making Tests A, тест на визуальное слежение, и B, для оценки когнитивной гибкости и измерения способности принимать решения. В общей сложности 412 участников исследования в возрасте от 59 до 89 лет прошли когнитивные тесты и тест на вождение автомобиля.

Результаты исследования, опубликованные в Journal of the American Medical Directors Association, показали, что алгоритм Fit2Drive продемонстрировал высокую прогностическую точность в 91,5%. Пошаговое исследование предсказательной силы результатов и ряда комбинаций показало, что наибольшая доля уникальной дисперсии в предсказательной модели приходится на наивысший балл по шкале MMSE и время прохождения трассы B в секундах, при минимальном увеличении предсказательной силы за счет дополнительных баллов теста.

Результаты также показали статистически значимые различия в результатах оценки вождения на дороге в двух выборках: большинство тех, кто не прошел тест на вождение на дороге, были из набора данных хранилища (53,7%) по сравнению с теми, кто был из выборки сообщества (7,9%).

Гнев, слезы и разочарование отдельных пациентов, а также отсутствие объективных данных, которыми могли бы руководствоваться врачи, стали движущей силой наших усилий по разработке высокоточного, научно обоснованного предиктора способности пройти тест на вождение автомобиля, — говорит Рут Таппен, доктор философии, старший автор исследования, выдающийся ученый и профессор Колледжа сестринского дела FAU Christine E. Lynn.

Результаты Fit2Drive призваны предоставить врачу полезные объективные данные, которыми можно поделиться с пациентом и членами его семьи, обеспокоенными целесообразностью продолжения вождения — ситуации, которая является важным жизненным событием для них и проблемой для врачей первичного звена.

Чтобы определить наименьшее количество результатов когнитивных тестов, которые могли бы предсказать вероятность прохождения вождения на дороге, исследователи ввели результаты тестов в кабинете в логистическую регрессию (статистическую модель), используя прохождение или непрохождение теста на дороге в качестве результата, на который регрессировали возможные предикторные переменные.

Двоичный результат «прошел-не прошел» позволил прогностической модели оценить чувствительность (истинно положительный результат) и специфичность (истинно отрицательный результат) прогностических результатов по сравнению с оценкой на дороге. На основе этих данных исследователи составили таблицу случайностей из четырех возможных исходов (истинно положительный, ложноположительный, истинно отрицательный, ложноотрицательный). Затем общая комбинация чувствительности и специфичности выводится на график (так называемая ROC-кривая), а показатель AUC дает оценку общей точности предикторов.

Распечатка таблицы со всеми возможными комбинациями показателей MMSE и времени Trails B заняла бы 176 страниц, что было бы неудобно для любого врача во время консультации пациента, — говорит Таппен.

Поэтому мы разработали калькулятор, основанный на уравнении, полученном на основе наших данных, чтобы обеспечить легкий доступ к необходимым данным.

При вводе результатов MMSE пациента и временных показателей Trails B калькулятор выдает врачу вероятность того, что пациент сможет пройти тест на вождение автомобиля».

Калькулятор Fit2Drive доступен на сайте fit2drive.org. Исследователи рекомендуют сначала провести тест MMSE, а затем провести тесты Trails A и Trails B, которые и были проведены в данном исследовании. Врачи могут загрузить приложение с сайта Fit2Drive на мобильное устройство под управлением Android или iOS и использовать смартфон для ввода данных.

По мере расширения возможностей проведения когнитивных тестов в режиме онлайн мы сможем создать полноценную онлайн-версию Fit2Drive, чтобы еще больше упростить ее использование, — заключает Таппен.

24.06.2024