Diffusion Tensor Imaging Findings Are Not Strongly Associated With Postconcussional Disorder 2 Months Following 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
OBJECTIVE: To examine the relation between diffusion tensor imaging (DTI) of the corpus callosum and postconcussion symptom reporting following mild traumatic brain injury (MTBI). PARTICIPANTS: Sixty patients with MTBI and 34 patients with orthopedic/soft-tissue injuries (Trauma Controls) prospectively enrolled from consecutive admissions to a level 1 trauma center. PROCEDURE: Diffusion tensor imaging of the corpus callosum was undertaken using a Phillips 3T scanner at 6 to 8 weeks postinjury. Participants also completed a postconcussion symptom checklist. The MTBI group was divided into 2 subgroups based on the International Classification of Diseases, Tenth Revision symptom criteria for postconcussion disorder (PCD): PCD Present (n = 21), PCD Absent (n = 39). MAIN OUTCOME MEASURES: Measures of fractional anisotropy and mean diffusivity for the genu, body, and splenium of the corpus callosum. Participants also completed the British Columbia Post-Concussion Symptom Inventory. RESULTS: The MTBI group reported more postconcussion symptoms than the trauma controls. There were no significant differences between MTBI and trauma control groups on all DTI measures. In the MTBI sample, there were no significant differences on all DTI measures between those who did and did not meet the International Classification of Diseases, Tenth Revision research criteria for postconcussion disorder. CONCLUSIONS: These data do not support an association between white matter integrity in the corpus callosum and self-reported postconcussion syndrome 6 to 8 weeks post-MTBI.
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 | 0,002 | 0,004 |
| 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 découle