CogniFit - سوشیو ڈیموگرافک اور علمی ڈیٹا کے فنکشن کے طور پر موٹر گاڑی کے حادثے میں ملوث ہونے کا امکانی تخمینہ۔

اعلان دستبرداری : اس مختصر اعداد و شمار کے تجزیہ کی رپورٹ میں پیش کردہ تمام مواد، جب تک کہ خاص طور پر دوسری صورت میں اشارہ نہ کیا گیا ہو، بیرونی آزاد محققین کے ایک گروپ کے ذریعہ موجودہ ترقی کے تحت ہے۔ اس رپورٹ میں پیش کردہ تجزیہ صرف معلوماتی مقاصد کے لیے فراہم کیا گیا ہے اور اسے ہم مرتبہ نظرثانی شدہ سائنسی اشاعت کے طور پر استعمال یا سمجھا جانا نہیں ہے۔

اصل نام : سماجی آبادیاتی اور علمی اعداد و شمار کے کام کے طور پر موٹر گاڑی کے حادثے میں ملوث ہونے کے امکان کا تخمینہ۔

مصنفین : Jon Andoni Duñabeitia ^{1, 2} , José Luis Tapia ¹ .

• 1. Centro de Ciencia Cognitiva - C3 (مرکز برائے علمی علوم)، Universidad Nebrija (میڈرڈ، سپین)۔
• 2. AcqVA Aurora Center، The Artic University of Norway (Tromsø, Norway)۔

اہم نتائج:

CogniFit کے "تخمینہ" کے علمی اسکور اور مختلف قسم کے ٹریفک حادثات کے درمیان ایک مضبوط رشتہ ہے، ڈرائیوروں کی جنس سے آزاد (تمام گتانک 0.75 سے زیادہ ہیں)۔ عمر، جنس، اور ڈرائیوروں کا تخمینہ اسکور ایک مہلک کار حادثے میں ملوث ہونے کے گروپ کے امکان کے اچھے پیش گو ہیں (تغیر کے 98.3% کے حساب سے، R = 0.966، R2 = 0.983)، زخمی ہونے والے حادثے میں ملوث ہونے کے (تفصیل کرتے ہوئے 96.2، R = R = 2.9٪ کی وضاحت 0.962)، اور مادی نقصان کے ساتھ حادثات میں ملوث ہونا (تغیر کے 95.8% کی وضاحت، R = 0.979، R2 = 0.958)۔

CogniFit® کے اقدامات

اسمارٹ فونز کے ساتھ ساتھ ذاتی کمپیوٹرز کا استعمال کرتے ہوئے شرکاء کی تخمینہ لگانے کی مہارت کی پیمائش کرنے والے دو آزادانہ طور پر کئے گئے علمی کاموں سے ڈیٹا اکٹھا کیا گیا۔ 123 مختلف ممالک اور 18 سے 78 سال کی عمر کے کل 20,231 افراد نے CogniFit® کے یہ دو کام مکمل کیے (10,627 خواتین، 9,606 مرد)۔

کاموں میں سے ایک نے شرکاء کی مسلسل سمعی محرک کی مدت کا اندازہ لگانے کی صلاحیت کی پیمائش کی اور انہیں ایک جاری سمعی محرک میں خلل ڈالنے کے لیے کہا تاکہ پہلے پیش کیے گئے مسلسل سمعی محرک کے وقت کی صحیح لمبائی کو دوبارہ پیش کیا جا سکے۔ دوسرے کام میں شرکاء کی حرکت پذیر اشیاء کی رفتار کا اندازہ لگانے کی صلاحیت کا اندازہ لگایا گیا، فاصلہ طے کیا گیا اور اس کا احاطہ کیا گیا، اور کس طرح رفتار اور فاصلے کا تعامل کسی چیز کی حرکت کو متاثر کرتا ہے۔ ان دو کاموں میں حاصل کردہ منحصر متغیرات ہر ایک شریک کی درستگی کے مجموعی فیصد کے مساوی ہیں، جس میں زیادہ فیصد سکور کے ذریعہ بہتر شرکاء کی درستگی کی نشاندہی کی گئی ہے۔ ان متغیرات سے، ہر فرد کی تخمینہ صلاحیتوں کا ایک جامع CogniFit® پیمانہ شمار کیا گیا تھا۔

موٹر گاڑی کے حادثے کے اقدامات

اعداد و شمار ریاستہائے متحدہ کی نیشنل ہائی وے ٹریفک سیفٹی ایڈمنسٹریشن (NHTSA) سے فیٹلٹی اینڈ انجری رپورٹنگ سسٹم ٹول (FIRST) کے ذریعے حاصل کیے گئے تھے۔ 2014 سے 2018 تک کے تمام اعداد و شمار جو کہ تین قسم کے موٹر گاڑیوں کے حادثات میں ملوث افراد کی خالص تعداد کے مطابق تھے، عوامی ڈیٹا استفسار اور رپورٹنگ سروس سے جمع کیے گئے، ڈرائیور کی عمر کے لحاظ سے فلٹر کیے گئے ( 18 سے 78 سال کی عمر کے افراد کو منتخب کیا گیا)

سب سے پہلے، فیٹلٹی اینالیسس رپورٹنگ سسٹم (FARS)، 2004-2017 ، اور سالانہ رپورٹ فائل (ARF)، 2018 سے انسانی ہلاکتوں پر مشتمل حادثات میں ملوث ڈرائیوروں کے مطابق ڈیٹا اکٹھا کیا گیا۔

دوسرا، موٹر گاڑیوں کے حادثات میں صرف انجری میں ملوث ڈرائیوروں کا ڈیٹا نیشنل آٹوموٹیو سیمپلنگ سسٹم جنرل اسٹیمز سسٹم (NASS-GES)، 2004-2015 ، اور کریش رپورٹ سیمپلنگ سسٹم (CRSS)، 2016-2017 سے حاصل کیا گیا تھا۔

اور تیسرا، صرف املاک کو نقصان پہنچانے والے موٹر گاڑیوں کے حادثات میں ملوث ڈرائیوروں سے متعلق ڈیٹا انہی ذرائع سے اکٹھا کیا گیا۔

مفروضے شروع کر رہے ہیں۔

ہر قسم کے کریشوں کی فریکوئنسی اور شدت دونوں کے لیے عمر ایک اہم عنصر ہے (بڑے ڈرائیوروں کے کم کریشوں میں ملوث ہونے کے ساتھ)۔ اس کے علاوہ، عمر بھی تخمینہ لگانے کی صلاحیتوں کا ایک اہم ماڈریٹر ہے (CogniFit® جامع کے نتائج بوڑھے افراد کے لیے کم اسکور کو ظاہر کرتے ہیں)۔

ان دو مفروضوں کو ذہن میں رکھتے ہوئے، ارتباط کے تجزیے کو حادثات کی تعداد اور CogniFit® تخمینہ کے کاموں کے نتائج کے درمیان ایک اہم براہ راست تعلق ظاہر کرنا چاہیے ، بشرطیکہ عمر ان مشاہدات کو آگے بڑھا رہی ہو۔ لیکن زیادہ اہم بات یہ ہے کہ، اگر CogniFit® جامع اسکورز کسی بھی قسم کے موٹر گاڑی کے حادثے کے تخمینے کے لیے ایک اضافی فائدے کی نمائندگی کرتے ہیں، تو اسے عمر کے اثر کا حساب لگانے کے بعد ریگریشن تجزیہ میں دکھایا جانا چاہیے ۔

بہر حال، یہ ذہن میں رکھنا چاہیے کہ ڈیٹا کے دو ذرائع مختلف آبادیوں کے مختلف نمونوں سے مطابقت رکھتے ہیں۔ موٹر گاڑیوں کے حادثے کے اقدامات ریاستہائے متحدہ کی نیشنل ہائی وے ٹریفک سیفٹی ایڈمنسٹریشن (NHTSA) سے حاصل کیے گئے تھے، اس طرح اگر خاص طور پر امریکی شہری شامل نہ ہوں۔ اس کے برعکس، CogniFit® اقدامات مختلف ماخذ (123 ممالک) کے متنوع نمونے سے حاصل کیے گئے تھے۔ لہذا، جعلی ارتباط کے پوشیدہ اثر کے نتیجے میں قسم I کی غلطی کے ممکنہ وجود کے پیش نظر درج ذیل تجزیہ کے نتائج پر غور کرتے وقت احتیاط کا مشورہ دیا جاتا ہے۔

تاہم، اس سلسلے میں کئی نوٹ کیے جانے چاہئیں۔ سب سے پہلے، یہ غور کرنے کے قابل ہے کہ کافی اور نمائندہ نمونے کے سائز اور کافی نفسیاتی خصوصیات جیسے CogniFit® (تجزیے کے ٹولز کی درستگی اور وشوسنییتا کے بارے میں تفصیلات کے لیے یہ لنک دیکھیں) کے ساتھ دیے گئے علمی امتحان کے نتائج کو معیاری ڈیٹا کے طور پر لیا جا سکتا ہے اور نتیجتاً اسی طرح کے دوسرے نمونوں پر عمومی کاری کے ذریعے لاگو کیا جا سکتا ہے۔ اور دوسرا، اور کافی بڑے نمونے کے سائز رکھنے کی بنیاد پر جو کہ عام ہونے اور منتقلی کی اجازت دے سکتا ہے، اس پر غور کیا جانا چاہیے کہ پیرامیٹر کے تخمینے کا استعمال یا تو ایک معیاری ڈیٹاسیٹ کے نتیجے میں ہوتا ہے یا مختلف نمونے سے فرق کو حساب دینے کے لیے تجزیہ کرنا ایک بڑھتا ہوا مقبول ذریعہ ہے (مثال کے طور پر، یہ مضمون دیکھیں)۔ موجودہ تجزیے کے تناظر میں یہ خاص طور پر متعلقہ ہے، اس بات پر غور کرتے ہوئے کہ کسی ایسے گروہ کے موٹر گاڑیوں کے حادثات کے بارے میں قومی اعداد و شمار حاصل کرنا جن کا حادثات میں ملوث ہونے سے فوراً قبل علمی بیٹری سے اندازہ لگایا گیا ہو، عملی طور پر ناممکن ہے۔ کسی بھی صورت میں، اور اسی طرح کے پس منظر والے نمونوں کی طرف تجزیہ کرنے کی کوشش میں، ایک متوازی نقطہ نظر صرف ان افراد کے ڈیٹا پر غور کیا گیا جنہوں نے CogniFit® کی تشخیص مکمل کی تھی اور جنہوں نے اشارہ کیا کہ وہ امریکی شہری تھے۔ اس ضمنی انتخاب میں 1290 خواتین اور 762 مرد شامل تھے۔ اہم بات یہ ہے کہ جب ذیل میں پیش کردہ اسی ارتباطی تجزیہ کو اس امریکی نمونے پر چلایا گیا تو متوازی اثرات حاصل کیے گئے، جس سے اہم نتائج کو تقویت ملی (مرد ڈیٹا کے تجزیہ کے لیے پیئرسن کے r>.55 اور اسپیئر مین کے rho>.40 کے ساتھ، اور پیئرسن کے r>.57 اور خواتین کے لیے Spearson's r>.57. ps<.001)۔

ارتباط کا تجزیہ

18 سے 78 سال کی عمر کے مردوں اور عورتوں کے لیے اوسط CogniFit® اور NHTSA ڈیٹا کا شماریاتی طور پر تجزیہ کیا گیا جس کی بنیاد پر ایک ارتباطی نقطہ نظر کی بنیاد پر اسپیئر مین کے رینک گتانک اور متغیرات کے درمیان لکیری تعلقات کے لیے پیئرسن کے ارتباط کے گتانک پر مبنی ہے۔

CogniFit® کے دو کاموں میں مرد اور خواتین دونوں کے لیے درستگی کے اوسط فیصد کو 1) مہلک کریشز، 2) صرف چوٹ کے کریشز، اور 3) پراپرٹی کو صرف نقصان پہنچانے والے کریشز میں ملوث مرد اور خواتین ڈرائیوروں کے خام ڈیٹا کے ساتھ جوڑا گیا تھا۔

نتائج نے جامع CogniFit® اقدامات اور تمام عمروں میں ہونے والے تین قسم کے کریشوں کی تعداد کے درمیان مضبوط مثبت ارتباط ظاہر کیے، تمام معاملات میں 0.80 سے زیادہ ارتباط کے گتانک کے ساتھ ۔ مندرجہ ذیل گراف متغیرات کے درمیان ان تعلقات کو متعلقہ ارتباطی گتانک کے ساتھ ظاہر کرتے ہیں۔ ہر نقطہ ہر مخصوص عمر کے نقطہ پر قدر کی نمائندگی کرتا ہے، اور نیلی لائن فٹ شدہ LOESS لائن سے مطابقت رکھتی ہے (پلاٹ پینل 1 دیکھیں)۔

اس کے علاوہ، ڈرائیوروں کی جنس (مرد یا عورت) کے مطابق ڈیٹا کو تقسیم کرنے کے لیے اسی طرح کے طریقہ کار پر عمل کیا گیا۔ باہمی تعلق کے گتانک دونوں صنفی گروہوں کے لیے انتہائی مماثل تھے، جو CogniFit® جامع پیمائش اور کریش کی اقسام کے درمیان اندرونی تعلق کی مضبوطی کو ظاہر کرتے ہیں ، ڈرائیوروں کی جنس سے آزاد ( تمام گتانک 0.75 سے زیادہ کے ساتھ )۔ متعلقہ گراف ہر صنفی گروپ کے ساتھ اس تعلق کو مختلف رنگ میں ظاہر کرتے ہیں (پلاٹ پینل 1 دیکھیں)۔

رجعت کا تجزیہ

ایک لکیری ریگریشن تجزیہ مختلف قسم کے کریشز کے اعداد و شمار کو استعمال کرتے ہوئے کیا گیا جو فی قسم اور جنس سے کریشز کے فیصد میں تبدیل کیا گیا بطور انحصار اقدامات، اور ڈرائیوروں کی عمر، ان کی جنس، اور ان کے CogniFit® جامع اسکور کو پیشین گوئی کے عوامل کے طور پر ، آخری دو عوامل کے درمیان تعامل کے ساتھ ماڈل میں بھی اضافہ ہوا۔

مہلک کریشوں سے متعلق نتائج نے ماڈل کی بہت زیادہ اچھی خوبی ظاہر کی، جس میں 98.3% تغیرات کو پیرامیٹر کے تخمینے (R=0.966, R2=0.983) کے فنکشن کے طور پر بیان کیا گیا ۔ مختلف عوامل کے ماڈل گتانکوں نے عمر اور جنس کی اہم پیشن گوئی کی طاقت کو ظاہر کیا، جس سے یہ ظاہر ہوتا ہے کہ پرانے ڈرائیور چھوٹے ڈرائیوروں کے مقابلے میں کم مہلک حادثات میں ملوث تھے اور خواتین کو مردوں کے مقابلے میں کم مہلک حادثے ہوتے ہیں ۔ CogniFit® جامع سکور نے بھی ایک اہم اثر دکھایا ، جو کسی شخص کی تخمینہ لگانے کی مہارت اور مہلک کریشوں کی تعداد کے درمیان براہ راست تعلق کی تجویز کرتا ہے۔ اہم بات یہ ہے کہ یہ حتمی مشاہدہ CogniFit® جامع سکور اور جنس کے درمیان ایک اہم تعامل کے ذریعے کوالیفائی کیا گیا تھا۔ جیسا کہ گراف میں دکھایا گیا ہے (پلاٹ پینل 2 دیکھیں)، CogniFit® جامع اسکورز کا اثر ہر جنس کے لیے مختلف تھا: مردوں کے لیے، CogniFit® مرکب پر زیادہ اسکورز مہلک حادثے میں ملوث ہونے کے زیادہ خطرے سے منسلک تھے، جب کہ خواتین کے لیے، اعلی CogniFit® جامع اسکورز کم چربی فیصد کے ساتھ وابستہ تھے۔

اعداد و شمار کے تجزیے کے لیے متوازی نتائج دیکھے گئے جو صرف چوٹ کی وجہ سے ہونے والے موٹر گاڑی کے حادثوں سے متعلق تھے۔ اسی ماڈل نے 96.2% تغیرات کی وضاحت کی (R=0.981, R2=0.962) ، اور عمر کا اثر نمایاں تھا ، جیسا کہ CogniFit® جامع سکور کے اثر کا معاملہ بھی تھا۔ صنف اور CogniFit® جامع اسکور نے ایک اہم تعامل ظاہر کیا: جبکہ مردوں نے CogniFit® جامع اسکور اور صرف چوٹ کے کریشوں کی تعداد کے درمیان متوقع براہ راست پیٹرن کی پیروی کی، خواتین نے ایک الٹا تعلق ظاہر کیا: خواتین کے لیے، CogniFit® جامع اسکور کم کریشوں کے ساتھ وابستہ تھے۔

آخر میں، صرف املاک کو نقصان پہنچانے والے موٹر گاڑیوں کے کریشوں سے متعلق ڈیٹا کا تجزیہ کیا گیا۔ اسی ماڈل نے 95.8% تغیرات (R=0.979, R2=0.958) کی وضاحت کی ، اور عمر، جنس، اور CogniFit® جامع سکور کے اثرات نمایاں تھے ۔ صنف اور CogniFit® جامع اسکور نے ایک اہم تعامل ظاہر کیا ، جو ایک بار پھر CogniFit® جامع اسکورز اور صرف خواتین ڈرائیوروں کے لیے صرف چوٹ لگنے والی موٹر گاڑی کے کریشوں کی تعداد کے درمیان الٹا تعلق ظاہر کرتا ہے۔

مندرجہ ذیل جدول شماریاتی ماڈل کی وضاحتی طاقت کا خلاصہ کرتا ہے جس میں CogniFit® جامع اسکورز بمقابلہ ایک آسان ماڈل شامل ہوتا ہے جس میں صرف ڈرائیوروں کی عمر اور ان کی جنس شامل ہوتی ہے۔ جیسا کہ ظاہر ہے، تمام صورتوں میں نتیجے میں آنے والے ماڈل نمایاں طور پر بہتر ہیں (جیسا کہ متعلقہ شماریاتی ماڈل کے تضادات سے تصدیق شدہ ہے)۔