Tuyên bố miễn trừ trách nhiệm: Tất cả tài liệu được trình bày trong báo cáo phân tích dữ liệu ngắn gọn này, trừ khi được chỉ định cụ thể khác, đang được phát triển hiện tại bởi một nhóm các nhà nghiên cứu độc lập bên ngoài. Phân tích được trình bày trong báo cáo này chỉ được cung cấp cho mục đích thông tin và không được sử dụng hoặc coi là một ấn phẩm khoa học được đánh giá ngang hàng.

Tên gốc: Ước tính xác suất liên quan đến tai nạn xe cơ giới như một hàm của dữ liệu nhân khẩu học và nhận thức.

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

• 1. Centro de Ciencia Cognitiva - C3 (Trung tâm Khoa học Nhận thức), Universidad Nebrija (Madrid, Tây Ban Nha).
• 2. AcqVA Aurora Center, Đại học Bắc Cực của Na Uy (Tromsø, Na Uy).

Những kết luận chính:

Có một mối quan hệ vứt chắc chắn giữa điểm "Ước tính" nhận thức của CogniFit và các loại tai nạn giao thông khác nhau, bất kể giới tính của người lái xe (tất cả các hệ số đều lớn hơn 0,75). Tuổi, giới tính và điểm Ước tính của người lái xe là những yếu tố dự báo tốt cho xác suất tập thể liên quan đến tai nạn ô tô chết người (chiếm 98,3% phương sai, R = 0,966, R2 = 0,983), liên quan đến tai nạn có thương tích (giải thích 96,2% phương sai, R = 0,981, R2 = 0,962) và liên quan đến tai nạn gây thiệt hại vật chất (giải thích 95,8% phương sai, R = 0,979, R2 = 0,958).

CogniFit® đo lường

Dữ liệu được thu thập từ hai tác vụ nhận thức được tiến hành độc lập, đo lường kỹ năng ước tính của những người tham gia bằng cách sử dụng điện thoại thông minh cũng như máy tính cá nhân. Tổng cộng 20.231 người từ 123 quốc gia khác nhau và tuổi từ 18 đến 78 tuổi hoàn thành hai tác vụ CogniFit® này (10.627 nữ, 9.606 nam).

Một trong các tác vụ đo lường khả năng ước tính thời lượng của một kích thích thính giác liên tục của những người tham gia bằng cách yêu cầu họ ngừng một kích thích thính giác đang diễn ra để tái tạo độ dài chính xác của thời gian của một kích thích thính giác liên tục được trình bày trước đó. Tác vụ khác đo lường khả năng ước tính tốc độ của các vật thể chuyển động của những người tham gia, khoảng cách đã đi qua và sẽ được đi qua, và cách tương tác của tốc độ và khoảng cách ảnh hưởng đến chuyển động của một vật thể. Các biến phụ thuộc thu được trong hai tác vụ này tương ứng với tỷ lệ phần trăm độ chính xác tổng thể của mỗi người tham gia, với độ chính xác của người tham gia cao hơn được biểu thị bằng điểm phần trăm cao hơn. Từ các biến này, một biện pháp tổng hợp CogniFit® về khả năng ước tính của từng người đã được tính toán.

Các biện pháp tai nạn xe cơ giới

Dữ liệu được lấy từ Cơ quan An toàn Giao thông Đường bộ Quốc gia (NHTSA) của Hoa Kỳ thông qua Công cụ Hệ thống Báo cáo Tử vong và Chấn thương (FIRST). Tất cả dữ liệu từ năm 2014 đến 2018 tương ứng với số lượng ròng những người liên quan đến ba loại tai nạn xe cơ giới đã được thu thập từ dịch vụ truy vấn và báo cáo dữ liệu công cộng, được lọc theo tuổi của người lái xe (những người từ 18 đến 78 tuổi đã được chọn)

Trước tiên, dữ liệu được thu thập tương ứng với những người lái xe liên quan đến các vụ va chạm liên quan đến tử vong con người từ Hệ thống Báo cáo Phân tích Tử vong (FARS), 2004-2017 và Tệp Báo cáo Hàng năm (ARF), 2018.

Thứ hai, dữ liệu từ các tài xế liên quan đến các vụ tai nạn giao thông chỉ gây thương tích được thu thập từ Hệ thống Ước tính Chung của Hệ thống Lấy mẫu Ô tô Quốc gia (NASS-GES), 2004-2015, và Hệ thống Lấy mẫu Báo cáo Tai nạn (CRSS), 2016-2017.

Và thứ ba, dữ liệu tương ứng với các tài xế liên quan đến các vụ tai nạn giao thông chỉ gây thiệt hại tài sản được thu thập từ các nguồn tương tự.

Các giả định bắt đầu

Tuổi tác là một yếu tố quan trọng đối với cả tần suất tai nạn từng loại và mức độ nghiêm trọng (với các tài xế lớn tuổi tham gia vào ít tai nạn hơn). Ngoài ra, tuổi tác cũng là một điều chỉnh đáng kể của khả năng ước tính (kết quả của kết hợp CogniFit® cho thấy điểm số thấp hơn cho những người già).

Với hai giả định này trong tâm trí, phân tích tương quan phải cho thấy mối quan hệ trực tiếp đáng kể giữa số lượng tai nạn và kết quả trong các nhiệm vụ ước tính CogniFit®, vì tuổi tác có thể đang thúc đẩy những quan sát này. Nhưng quan trọng hơn, nếu điểm số kết hợp CogniFit® đại diện cho lợi ích bổ sung cho việc ước tính bất kỳ loại tai nạn giao thông nào, điều này sẽ được thể hiện trong phân tích hồi quy khi hiệu ứng tuổi tác đã được tính đến.

Tuy nhiên, nên ghi nhớ rằng hai nguồn dữ liệu tương ứng với các mẫu khác nhau từ các dân số khác nhau. Các biện pháp tai nạn xe cơ động được lấy từ Cơ quan Hành động An toàn Giao thông Đường cao tốc Quốc gia (NHTSA) của Hoa Kỳ, do đó chủ yếu nếu không hoàn toàn liên quan đến công dân Mỹ. Ngược lại, các biện pháp CogniFit® được lấy từ một mẫu đa dạng từ những nguồn gốc khác nhau (123 quốc gia). Do đó, cần cẩn thận khi xem xét kết quả của phân tích sau đây do sự tồn tại tiềm ẩn của lỗi Loại I do tác động ẩn của các tương quan giả tạo gây ra.

Tuy nhiên, cần lưu ý một số điểm liên quan đến vấn đề này. Thứ nhất, cần cân nhắc rằng kết quả của một bài kiểm tra nhận thức nhất định với kích thước mẫu rộng rãi và đại diện và có các tính chất tâm lý lượng tương thích như của CogniFit® (xem liên kết này để biết chi tiết về tính hợp lệ và độ tin cậy của các công cụ đánh giá) có thể được coi là dữ liệu chuẩn và do đó áp dụng cho các mẫu tương tự khác bằng cách sử dụng tổng quát hóa. Thứ hai, và có điều kiện tuỳ theo tiền đề về việc có kích thước mẫu đủ lớn cho phép có tính tổng quát hóa và chuyển đổi, cần cân nhắc rằng việc sử dụng các ước tính tham số kết quả từ một tập dữ liệu chuẩn hoặc một phân tích để tính toán phương sai từ một mẫu khác là một phương pháp ngoại suy ngày càng phổ biến (xem, chẳng hạn, bài viết này). Điều này đặc biệt phù hợp trong bối cảnh phân tích hiện tại, xem xét rằng việc lấy dữ liệu quốc gia về tai nạn xe cơ động của một nhóm đã được đánh giá bằng một bài kiểm tra nhận thức ngay trước khi họ gặp tai nạn gần như là không thể. Trong mọi trường hợp, và trong một nỗ lực để định hướng phân tích hướng tới các mẫu có nền tảng tương tự, một cách tiếp cận song song đã được thực hiện chỉ xem xét dữ liệu của những cá nhân đã hoàn thành bài đánh giá CogniFit® và những người chỉ ra rằng họ là công dân Mỹ. Lựa chọn phụ này bao gồm 1290 nữ và 762 nam. Quan trọng là, khi phân tích tương quan tương tự được trình bày ngay bên dưới được chạy trên mẫu Mỹ này, các hiệu ứng song song đã được lấy được, củng cố các kết luận chính (với Pearson's r>.55 và Spearman's rho>.40 cho phân tích dữ liệu nam, và Pearson's r>.57 và Spearman's rho>.42 cho dữ liệu nữ; tất cả ps<.001).

Phân tích tương quan

Dữ liệu CogniFit® và NHTSA được làm trung bình cho nam và nữ với độ tuổi từ 18 đến 78 tuổi được phân tích thống kê theo phương pháp tương quan dựa trên hệ số xếp hạng Spearman cho các hàm đơn điệu và hệ số tương quan Pearson cho các mối quan hệ tuyến tính giữa các biến.

Các phần trăm trung bình độ chính xác cho cả nam và nữ trong hai nhiệm vụ CogniFit® được tương quan với dữ liệu thô từ các tài xế nam và nữ liên quan đến 1) tai nạn gây tử vong, 2) tai nạn chỉ gây thương tích, và 3) tai nạn chỉ gây thiệt hại tài sản.

Các kết quả cho thấy các mối tương quan dương mạnh mẽ giữa các biện pháp kết hợp CogniFit® và số lượng ba loại tai nạn trên các độ tuổi, với các hệ số tương quan cao hơn 0,80 trong tất cả các trường hợp. Các biểu đồ sau đây đại diện cho những mối quan hệ này giữa các biến cùng với các hệ số tương quan tương ứng. Mỗi điểm đại diện cho giá trị tại mỗi điểm tuổi cụ thể, và đường màu xanh lam tương ứng với đường LOESS được điều chỉnh (xem Bảng biểu đồ 1).

Ngoài ra, một quy trình tương tự đã được thực hiện chia dữ liệu theo giới tính của các tài xế (nam hoặc nữ). Các hệ số tương quan rất giống nhau cho cả hai nhóm giới tính, chứng minh tính mạnh mẽ của mối quan hệ nội tại giữa biện pháp kết hợp CogniFit® và các loại tai nạn, bất kể giới tính của các tài xế (với tất cả các hệ số cao hơn 0,75). Các biểu đồ tương ứng hiển thị mối quan hệ này với mỗi nhóm giới tính được biểu diễn bằng một màu khác (xem Bảng biểu đồ 1).

Phân tích hồi quy

Một phân tích hồi quy tuyến tính được thực hiện bằng cách sử dụng dữ liệu của các loại tai nạn khác nhau được chuyển đổi thành phần trăm tai nạn theo loại và giới tính từ tổng số như các biện pháp phụ thuộc, và tuổi tác của các tài xế, giới tính của họ, và điểm số kết hợp CogniFit® của họ làm các yếu tố dự báo, với sự tương tác giữa hai yếu tố cuối cùng cũng được thêm vào các mô hình.

Các kết quả tương ứng với tai nạn gây tử vong cho thấy độ phù hợp của mô hình rất cao, giải thích 98,3% phương sai như một hàm của các ước tính tham số (R=0,966, R2=0,983). Các hệ số mô hình cho các yếu tố khác nhau cho thấy sức mạnh dự báo đáng kể của tuổi tác và giới tính, chứng minh rằng các tài xế lớn tuổi tham gia vào ít tai nạn gây tử vong hơn so với các tài xế trẻ tuổi và phụ nữ có ít tai nạn gây tử vong hơn so với nam giới. Điểm số kết hợp CogniFit® cũng cho thấy hiệu ứng đáng kể, gợi ý một mối quan hệ trực tiếp giữa kỹ năng ước tính của một người và số lượng tai nạn gây tử vong. Quan trọng là, quan sát cuối cùng này được xác định bởi một sự tương tác đáng kể giữa điểm số kết hợp CogniFit® và giới tính. Như được hiển thị trong các biểu đồ (xem Bảng biểu đồ 2), ảnh hưởng của các điểm số kết hợp CogniFit® khác nhau đối với mỗi giới tính: Đối với nam giới, điểm cao hơn trên kết hợp CogniFit® được liên kết với rủi ro cao hơn bị liên quan đến tai nạn gây tử vong, trong khi đối với nữ giới, điểm kết hợp CogniFit® cao hơn được liên kết với tỷ lệ phần trăm tai nạn gây tử vong thấp hơn.

Những phát hiện tương tự đã được quan sát trong phân tích dữ liệu tương ứng với các vụ tai nạn xe cơ động chỉ gây thương tích. Mô hình tương tự giải thích được 96,2% phương sai (R=0,981, R2=0,962), và tác động của tuổi tác là có ý nghĩa, cũng như tác động của điểm số tổng hợp CogniFit®. Giới tính và điểm số tổng hợp CogniFit® cho thấy tương tác có ý nghĩa: Trong khi nam giới tuân theo mô hình trực tiếp dự kiến giữa điểm số tổng hợp CogniFit® và số vụ tai nạn chỉ gây thương tích, nữ giới lại cho thấy mối quan hệ nghịch đảo: đối với nữ giới, điểm số tổng hợp CogniFit® cao hơn được liên kết với ít vụ tai nạn hơn.

Cuối cùng, một phân tích dữ liệu tương ứng với các vụ tai nạn xe cơ động chỉ gây thiệt hại tài sản đã được thực hiện. Mô hình tương tự giải thích được 95,8% phương sai (R=0,979, R2=0,958), và tác động của tuổi tác, giới tính và điểm số tổng hợp CogniFit® đều có ý nghĩa. Giới tính và điểm số tổng hợp CogniFit® cho thấy tương tác có ý nghĩa, một lần nữa cho thấy mối quan hệ nghịch đảo giữa điểm số tổng hợp CogniFit® và số vụ tai nạn xe cơ động chỉ gây thương tích chỉ dành cho nữ tài xế.

Bảng sau đây tóm tắt sức mạnh giải thích của mô hình thống kê bằng cách thêm điểm số tổng hợp CogniFit® so với một mô hình đơn giản hơn chỉ bao gồm tuổi tác của các tài xế và giới tính của họ. Như có thể thấy, trong tất cả các trường hợp các mô hình kết quả đều tốt hơn đáng kể (như được chứng thực bởi các so sánh mô hình thống kê tương ứng).