Systematic Review of Multivariable Prognostic Models for Mild Traumatic Brain Injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Prognostic models can guide clinical management and increase statistical power in clinical trials. The availability and adequacy of prognostic models for mild traumatic brain injury (MTBI) is uncertain. The present study aimed to (1) identify and evaluate multivariable prognostic models for MTBI, and (2) determine which pre-, peri-, and early post-injury variables have independent prognostic value in the context of multivariable models. An electronic search of MEDLINE, PsycINFO, PubMed, EMBASE, and CINAHL databases for English-language MTBI cohort studies from 1970-2013 was supplemented by Web of Science citation and hand searching. This search strategy identified 7789 articles after removing duplicates. Of 182 full-text articles reviewed, 26 met eligibility criteria including (1) prospective inception cohort design, (2) prognostic information collected within 1 month post-injury, and (3) 2+variables combined to predict clinical outcome (e.g., post-concussion syndrome) at least 1 month later. Independent reviewers extracted sample characteristics, study design features, clinical outcome variables, predictor selection methods, and prognostic model discrimination, calibration, and cross-validation. These data elements were synthesized qualitatively. The present review found no multivariable prognostic model that adequately predicts individual patient outcomes from MTBI. Suboptimal methodology limits their reproducibility and clinical usefulness. The most robust prognostic factors in the context of multivariable models were pre-injury mental health and early post-injury neuropsychological functioning. Women and adults with early post-injury anxiety also have worse prognoses. Relative to these factors, the severity of MTBI had little long-term prognostic value. Future prognostic studies should consider a broad range of biopsychosocial predictors in large inception cohorts.
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.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle