Pain and sleep in post-concussion/mild traumatic brain injury
Notice bibliographique
Résumé
Concussion after a force to the head is called mild traumatic brain injury (mTBI). Approximately 1 in 5 patients with mTBI will develop chronic pain (headache and widespread pain, possibly of central origin) and/or sleep problems (insomnia, disordered breathing, periodic limb movements). However, the predisposing mechanisms for chronic pain in patients with mTBI are unknown. Mild traumatic brain injury is a rare model to prospectively assess the risk factors and mechanisms for pain chronification from the injury onset in the absence of pretrauma comorbidity or medication. In the acute phase, headaches and sleep disturbances seem to predict the poorest long-term cognitive and mood outcomes. Although recent studies suggest that certain brain biomarkers and mood alterations (eg, anxiety, depression) contribute, the causality of chronic pain remains unclear. In mTBI patients with pain, poor sleep quality was correlated with fast beta and gamma electroencephalographic activity in frontal, central, and occipital electroencephalographic (EEG) derivations in all sleep stages. Sleep recuperative function seems to be disturbed by persistent wake EEG activity, corroborating patient complaints such as feeling awake when asleep. Pain and sleep management in mTBI is not yet evidence-based. Treatments include cognitive behavioral and light therapies, medications, and continuous positive airway pressure (CPAP) or oral appliances for disordered sleep breathing. Customized approaches are indicated for mTBI, pain, and sleep complaints. Further studies in pediatric, sport, and transportation populations are needed to prevent TBI chronification. Improvements are emerging in biomarker sensitivity and specificity and management strategies for TBI, pain, and sleep comorbidities.
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 | 0,012 | 0,018 |
| 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 | 0,000 |
| 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 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 ».