Resilience and symptom reporting following mild traumatic brain injury in military service members
Notice bibliographique
Résumé
PRIMARY OBJECTIVE: The purpose of this study was to examine the relationship between resilience and symptom reporting following mild traumatic brain injury (mTBI). It was hypothesized that, as resilience increases, self-reported symptoms would decrease. RESEARCH DESIGN: Cross-sectional design. METHODS AND PROCEDURES: Participants were 142 US military service members who sustained a mTBI, divided into three resilience groups based on participants' responses on the Response to Stressful Experiences Scale: Moderate (n = 42); High (n = 51); and Very High (n = 49). Participants completed the Neurobehavioral Symptom Inventory (NSI) and PTSD Checklist-Civilian Version (PCL-C) within 12 months following injury. MAIN OUTCOMES AND RESULTS: There were significant main effects for the NSI total score, cognitive cluster and affective cluster, as well as for the PCL-C total score, avoidance cluster and hyperarousal cluster. Pairwise comparisons revealed that there was a negative relationship between resilience and self-reported symptoms overall. Specifically, participants with higher resilience reported fewer post-concussion and PTSD-related symptoms than participants with lower levels of resilience. CONCLUSIONS: These findings underscore the important role that resilience plays in symptom expression in military service members with mTBI and suggest that research on targeted interventions to increase resilience in the acute phase following injury is indicated.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».