The Value of Serum Biomarkers in Prediction Models of Outcome After Mild Traumatic Brain Injury
Notice bibliographique
Résumé
BACKGROUND: To determine, using a civilian model of mild traumatic brain injury (TBI), the added value of biomarker sampling upon prognostication of outcome at 1 week and 6 weeks postinjury. METHODS: The Galveston Orientation and Amnesia test was administered, and blood samples for serum protein S100B and neuron-specific enolase (NSE) were collected from 141 emergency department patients within 4 hours of a suspected mild TBI (mTBI). The Rivermead Post-Concussion Symptoms Questionnaire (RPQ) was administered via telephone 3 days postinjury. Patients were assessed by a physician at 1 week (n = 113; 80%) and 6 weeks (n = 95; 67%) postinjury. Neurocognitive and postural stability measures were also administered at these follow-ups. RESULTS: Levels of S100B and NSE were found to be abnormally elevated in 49% and 65% of patients with TBI, respectively. Sixty-eight percent and 38% of the patients were considered impaired at 1 week and 6 weeks postinjury, respectively. Stepwise logistic regression modeling identified admission Galveston Orientation and Amnesia test score, S100B level, and RPQ score at day 3 postinjury to be predictive of poor outcome at 1 week postinjury (c-statistic 0.877); female gender, loss of consciousness, NSE level, and RPQ score at day 3 postinjury were predictive of poor outcome at 6 weeks postinjury (c-statistic 0.895). The discriminative power of the biomarkers alone was limited. CONCLUSIONS: Biomarkers, in conjunction with other readily available determinants of outcome assessed in the acute period after injury, add value in the early prognostication of patients with mTBI. Our findings are consistent with the notion that S100B and NSE point to biological mechanisms underlying poor outcome after 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.
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 | 0,000 |
| 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 ».