Risk Factors for Postconcussion Symptom Reporting after Traumatic Brain Injury in U.S. Military Service Members
Notice bibliographique
Résumé
The purpose of this study was to identify factors that are predictive of, or associated with, postconcussion symptom reporting after traumatic brain injury (TBI) in the U.S. military. Participants were 125 U.S. military service members (age: M=29.6 years, standard deviation [SD]=8.9, range=18-56 years) who sustained a TBI, divided into two groups based on symptom criteria for postconcussional disorder (PCD): PCD-Present (n=65) and PCD-Absent (n=60). Participants completed a neuropsychological evaluation at Walter Reed Army Medical Center (M=9.4 months after injury, SD=9.9; range: 1.1 to 44.8). Factors examined included demographic characteristics, injury-related variables, psychological testing, and effort testing. There were no significant group differences for age, sex, education, race, estimated premorbid intelligence, number of deployments, combat versus non-combat related injury, or mechanism of injury (p>0.098 for all). There were significant main effects for severity of body injury, duration of loss of consciousness, duration of post-traumatic amnesia, intracranial abnormality, time tested post-injury, possible symptom exaggeration, poor effort, depression, and traumatic stress (p<0.044 for all). PCD symptom reporting was most strongly associated with possible symptom exaggeration, poor effort, depression, and traumatic stress. PCD rarely occurred in the absence of depression, traumatic stress, possible symptom exaggeration, or poor effort (n=7, 5.6%). Many factors unrelated to brain injury were influential in self-reported postconcussion symptoms in this sample. Clinicians cannot assume uncritically that endorsement of items on a postconcussion symptom checklist is indicative of residual effects from a brain injury.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».