Lahtiütlus : Kogu selles lühikeses andmeanalüüsi aruandes esitatud materjal on, kui pole otseselt teisiti märgitud, välise sõltumatu uurija rühma poolt väljatöötamisel. Käesolevas aruandes esitatud analüüs on esitatud ainult informatiivsel eesmärgil ja seda ei tohiks kasutada ega käsitleda eelretsenseeritud teaduspublikatsioonina.

Algne pealkiri : Liiklusõnnetusse sattumise tõenäosuse hindamine sotsiaaldemograafiliste ja kognitiivsete andmete funktsioonina.

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

• 1. Centro de Ciencia Cognitiva – C3 (kognitiivsete teaduste keskus), Universidad Nebrija (Madrid, Hispaania).
• 2. AcqVA Aurora keskus, Norra Kunstiülikool (Tromsø, Norra).

Peamised järeldused:

CogniFiti kognitiivse skoori „Hinnang” ja erinevat tüüpi liiklusõnnetuste vahel on tugev seos, mis ei sõltu juhi soost (kõik koefitsiendid on suuremad kui 0,75). Vanus, sugu ja juhi hinnanguline skoor on head ennustajad grupi tõenäosuse kohta sattuda surmaga lõppenud autoõnnetusse (moodustab 98,3% dispersioonist, R = 0,966, R2 = 0,983), sattuda vigastustega õnnetusse (selgitab 96,2% dispersioonist, R = 0,981, R2 = 0,962) ja sattuda varalise kahjuga õnnetusse (selgitab 95,8% dispersioonist, R = 0,979, R2 = 0,958).

CogniFit® mõõdab

Andmeid koguti kahest sõltumatult läbi viidud kognitiivsest ülesandest, mis mõõtsid osalejate hindamisoskusi nutitelefonide ja personaalarvutite abil. Kokku osales 20 231 inimest 123 erinevast riigist vanuses 18–78 aastat (10 627 naist, 9606 meest).

Üks ülesannetest mõõtis osalejate võimet hinnata pideva kuulmisstimuli kestust , paludes neil katkestada käimasolev kuulmisstimuli, et taasesitada eelnevalt esitatud pideva kuulmisstimuli täpne kestus. Teine ülesanne mõõtis osalejate võimet hinnata liikuvate objektide kiirust , läbitud ja läbitavat vahemaad ning seda, kuidas kiiruse ja vahemaa koosmõju mõjutab objekti liikumist. Nendes kahes ülesandes saadud sõltuvad muutujad vastavad iga osaleja üldisele täpsusprotsendile, kusjuures paremat osaleja täpsust näitab kõrgem protsentuaalne tulemus. Nende muutujate põhjal arvutati iga inimese hindamisvõime CogniFit®-i liitmõõt.

Mootorsõidukite õnnetuste meetmed

Andmed saadi Ameerika Ühendriikide riiklikult maanteeliikluse ohutuse ametilt (NHTSA) surmajuhtumite ja vigastuste aruandlussüsteemi tööriista (FIRST) kaudu. Kõik andmed aastatel 2014–2018, mis vastavad kolme tüüpi mootorsõidukiõnnetustes osalenud isikute netoarvule, koguti avalikust andmepäringute ja aruandluse teenusest ning filtreeriti juhi vanuse järgi (valiti isikud vanuses 18–78 aastat ).

Esmalt koguti andmeid inimohvritega õnnetustes osalenud juhtide kohta surmajuhtumite analüüsi aruandlussüsteemist (FARS) aastatel 2004–2017 ja aastaaruande failist (ARF) aastatel 2018 .

Teiseks saadi vigastustega mootorsõidukiõnnetustes osalenud juhtide andmed riiklikust autotööstuse valimisüsteemi üldisest hinnangusüsteemist (NASS-GES) aastateks 2004–2015 ja õnnetusjuhtumite valimisüsteemist (CRSS) aastateks 2016–2017 .

Ja kolmandaks, samadest allikatest koguti andmeid ainult varakahju tekitanud mootorsõidukiõnnetustes osalenud juhtide kohta .

Lähteoletused

Vanus on kriitilise tähtsusega tegur nii igat tüüpi õnnetuste sageduse kui ka raskusastme puhul (vanemad juhid on vähem õnnetustes osalenud). Lisaks on vanus ka oluline hindamisvõimet mõjutav tegur (CogniFit®-i komposiittulemused näitavad vanemate inimeste madalamaid tulemusi).

Neid kahte eeldust silmas pidades peaks korrelatsioonianalüüs näitama olulist otsest seost õnnetuste arvu ja CogniFit® hindamisülesannete tulemuste vahel , arvestades, et vanus võib neid tähelepanekuid mõjutada. Veelgi olulisem on aga see, et kui CogniFit® liitskoorid kujutavad endast täiendavat eelist mis tahes tüüpi mootorsõidukiõnnetuste hindamisel, peaks see kajastuma regressioonanalüüsis, kui vanuse mõju on arvesse võetud.

Sellegipoolest tuleb meeles pidada, et need kaks andmeallikat vastavad erinevatele valimitele erinevatest populatsioonidest. Mootorsõidukite õnnetuste näitajad saadi Ameerika Ühendriikide riiklikult maanteeliikluse ohutuse ametilt (NHTSA), seega hõlmasid need peamiselt, kui mitte ainult, Ameerika kodanikke. Seevastu CogniFit® näitajad saadi mitmekesisest valimist erinevatest päritoluriikidest (123 riiki). Seega on soovitatav olla ettevaatlik järgneva analüüsi tulemuste kaalumisel, arvestades võimalikku I tüüpi vea olemasolu valekorrelatsioonide varjatud mõju tagajärjel.

Siiski tuleks sellega seoses teha mitu märkust. Esiteks tasub arvestada, et antud kognitiivse testi tulemusi, millel on piisav ja representatiivne valim ning piisavad psühhomeetrilised omadused, näiteks CogniFit®-id (vt seda linki hindamisvahendite kehtivuse ja usaldusväärsuse kohta), võiks käsitleda normatiivsete andmetena ja seejärel üldistamise teel rakendada teistele sarnastele valimitele. Teiseks, eeldusel, et valimimaht on piisavalt suur, mis võimaldab üldistatavust ja ülekantavust, tuleks arvestada, et normatiivsest andmestikust või analüüsist tulenevate parameetrihinnangute kasutamine erineva valimi dispersiooni arvestamiseks on üha populaarsem ekstrapoleerimisviis (vt näiteks seda artiklit ). See on eriti oluline käesoleva analüüsi kontekstis, arvestades, et riiklike andmete saamine mootorsõidukiõnnetuste kohta kohordi kohta, keda on vahetult enne õnnetustesse sattumist kognitiivse testiga hinnatud, on praktiliselt võimatu. Igal juhul ja püüdes suunata analüüsi sarnase taustaga valimitele, viidi läbi paralleelne lähenemisviis, arvestades ainult nende isikute andmeid, kes olid täitnud CogniFit®-i testi ja kes märkisid end olevat USA kodanikud. See alavalik hõlmas 1290 naist ja 762 meest. Oluline on see, et kui sama allpool esitatud korrelatsioonianalüüs viidi läbi selle Ameerika valimi peal, saadi paralleelsed efektid, mis kinnitasid peamisi järeldusi (Pearsoni r> 0,55 ja Spearmani rho> 0,40 meeste andmete analüüsi puhul ning Pearsoni r> 0,57 ja Spearmani rho> 0,42 naiste andmete puhul; kõik ps < 0,001).

Korrelatsioonianalüüs

18–78-aastaste meeste ja naiste keskmistatud CogniFit® ja NHTSA andmeid analüüsiti statistiliselt korrelatsioonimeetodi abil, mis põhines Spearmani astmekordajal monotoonsete funktsioonide puhul ja Pearsoni korrelatsioonikordajal muutujate vaheliste lineaarsete seoste puhul.

Kahe CogniFit® ülesande täpsuse keskmised protsendid nii meeste kui ka naiste puhul korreleerusid 1) surmaga lõppenud, 2) ainult vigastustega ja 3) ainult varalise kahjuga õnnetustes osalenud mees- ja naisjuhtide algandmetega.

Tulemused näitasid tugevaid positiivseid korrelatsioone CogniFit® liitmõõdikute ja kolme tüüpi õnnetuste arvu vahel eri vanuserühmades, kusjuures korrelatsioonikordajad olid kõigil juhtudel üle 0,80 . Järgmised graafikud kujutavad neid seoseid muutujate vahel koos vastavate korrelatsioonikordajatega. Iga punkt tähistab väärtust igas konkreetses vanusepunktis ja sinine joon vastab sobitatud LOESS-joonele (vt graafiku paneel 1).

Lisaks järgiti sarnast protseduuri, jagades andmed juhtide soo (mees või naine) järgi. Korrelatsioonikordajad olid mõlema soorühma puhul väga sarnased, mis näitab CogniFit® liitmõõdiku ja õnnetuste tüüpide vahelise sisemise seose tugevust , olenemata juhtide soost ( kõik koefitsiendid olid suuremad kui 0,75 ). Vastavad graafikud näitavad seda seost, kusjuures iga soorühm on esindatud erineva värviga (vt joonise paneel 1).

Regressioonanalüüs

Lineaarse regressioonianalüüsi tegemiseks kasutati erinevat tüüpi õnnetuste andmeid, mis teisendati sõltuvateks mõõdikuteks õnnetuste protsendiks tüübi ja soo järgi koguarvust, ning ennustavateks teguriteks juhtide vanust, sugu ja CogniFit® liitskoori , kusjuures mudelitesse lisati ka kahe viimase teguri vaheline interaktsioon.

Surmaga lõppenud õnnetustele vastavad tulemused näitasid mudeli väga kõrget sobivust, selgitades 98,3% dispersioonist parameetrihinnangute funktsioonina (R = 0,966, R2 = 0,983). Erinevate tegurite mudeli koefitsiendid näitasid vanuse ja soo olulist ennustusvõimet , mis näitas, et vanemad juhid olid seotud vähem surmaga lõppenud õnnetustega kui nooremad juhid ja et naistel oli vähem surmaga lõppenud õnnetusi kui meestel. Ka CogniFit® liitskoor näitas olulist mõju , mis viitab otsesele seosele inimese hindamisoskuste ja surmaga lõppenud õnnetuste arvu vahel. Oluline on see, et seda viimast tähelepanekut täpsustas oluline interaktsioon CogniFit® liitskoori ja soo vahel. Nagu graafikutel näidatud (vt joonis 2), oli CogniFit® liitskooride mõju iga soo puhul erinev: meeste puhul seostati kõrgemaid CogniFit® liitskoori suurema surmaga lõppenud õnnetustesse sattumise riskiga, samas kui naiste puhul seostati kõrgemaid CogniFit® liitskoori madalama surmaga lõppenud õnnetuste protsendiga .

Ainult vigastustega mootorsõidukiõnnetustele vastavate andmete analüüsimisel täheldati paralleelseid tulemusi. Sama mudel selgitas 96,2% dispersioonist (R = 0,981, R2 = 0,962) ning vanuse mõju oli oluline , nagu ka CogniFit® liitskoori mõju puhul. Sugu ja CogniFit® liitskoor näitasid olulist koostoimet : kui meestel järgiti CogniFit® liitskoori ja ainult vigastustega õnnetuste arvu vahel oodatavat otsest mustrit, siis naistel ilmnes pöördvõrdeline seos: naiste puhul olid kõrgemad CogniFit® liitskoorid seotud vähemate õnnetustega.

Lõpuks viidi läbi ainult varakahju põhjustanud mootorsõidukiõnnetustele vastavate andmete analüüs. Sama mudel selgitas 95,8% dispersioonist (R = 0,979, R2 = 0,958) ning vanuse, soo ja CogniFit® liitskoori mõjud olid olulised . Sugu ja CogniFit® liitskoor näitasid olulist koostoimet , näidates taas kord pöördvõrdelist seost CogniFit® liitskooride ja ainult naissoost juhtide ainult vigastustega mootorsõidukiõnnetuste arvu vahel.

Järgnev tabel võtab kokku CogniFit® liitskoori lisanud statistilise mudeli selgitava jõu võrreldes lihtsama mudeliga, mis hõlmab ainult juhtide vanust ja sugu. Nagu näha, on saadud mudelid kõigil juhtudel oluliselt paremad (mida kinnitavad vastavad statistiliste mudelite kontrastid).