Who Gets Recruited in Mild Traumatic Brain Injury Research?
Notice bibliographique
Résumé
Selection bias, common in traumatic brain injury research, limits the clinical usefulness and generalizability of study findings. The purpose of this study was to examine the effect of different inclusion and exclusion criteria on patient enrollment, and the implications for generalizability, in a mild traumatic brain injury (MTBI) study. The study was conducted at the emergency department (ED) of Tampere University Hospital. Our aim was to study outcome from MTBI in patients who do not have pre-existing conditions or other confounding factors. For this, all consecutive patients with acute head trauma (n=1344) were screened. The study design included three inclusion criteria and nine exclusion criteria. The World Health Organization Collaborating Center for Neurotrauma Task Force criteria for MTBI were used. Of all patients screened, 934 (69.5%) fulfilled the MTBI criteria. For those fulfilling the MTBI criteria, various inclusion and exclusion criteria were applied in order to yield those eligible for the outcome study. Applying these criteria excluded 95.1% of MTBI patients, leaving only 46 patients in the final sample. The final sample and the excluded patients with MTBI significantly differed in age, mechanism of injury, and injury severity characteristics. Many studies recruit fundamentally biased samples that are not generalizable to the population of persons who sustain an MTBI. Studying carefully selected samples is often necessary to address specific research questions, but such studies have serious limitations in terms of translating research findings into clinical practice.
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 | 0,338 | 0,522 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».