The Postconcussion Syndrome in Sports and Recreation
Notice bibliographique
Résumé
BACKGROUND: There are still many unanswered questions about postconcussion syndrome (PCS) in sports and recreation. The predictors of PCS are unknown, although a history of previous concussion has been suspected. OBJECTIVE: To explore the clinical features and demography of PCS in athletes. METHODS: A retrospective cohort study was performed by chart review of clinical and demographic data of 285 consecutive concussed patients, 138 of whom had sports-related PCS based on ≥ 3 postconcussion symptoms lasting ≥ 1 month. RESULTS: The 138 athletes with PCS averaged 22.8 years of age, and 70 (50.7%) were ≤ 18 years of age. They averaged 3.4 concussions (range, 1 to > 12). Only 19.6% had no previous concussion. There was a history of previous psychiatric condition, attention-deficit disorder or attention-deficit/hyperactive disorder, learning disability, or previous migraine headaches in 21.0%. Ice hockey caused the highest number of the most recent concussions at 72 cases (52.2%). Soccer, snow skiing, equestrian sports, and basketball were less frequent causes. The average number of persistent symptoms was 7.6, and the median duration of PCS was 6 months at the first examination. CONCLUSION: More than 80% of PCS cases had at least 1 other previous concussion. Half of the athletes with PCS were ≤ 18 years of age. PCS was associated with 7.6 symptoms per athlete. The duration of PCS and the number of symptoms were not related to the number of previous concussions, loss of consciousness, or return to play. Further research on treatment and prevention of PCS is required.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».