MétaCan
Menu
Retour à la cohorte
Enregistrement W2073337703 · doi:10.1076/jcen.24.2.187.999

A Longitudinal Study of the Relationship Between Financial Compensation and Symptoms After Treated Mild Traumatic Brain Injury

2002· article· en· W2073337703 sur OpenAlexaff
Chris Paniak, Shawn Reynolds, Geraldine Toller-Lobe, Amy Melnyk, Julianna Nagy, Douglas Schmidt

Notice bibliographique

RevueJournal of Clinical and Experimental Neuropsychology · 2002
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTraumatic brain injuryPsychologyFinancial compensationCompensation (psychology)Incidence (geometry)Medical prescriptionInjury preventionPsychiatryPoison controlMedicineEmergency medicine

Résumé

récupéré en direct d'OpenAlex

Demographic, injury-related, and symptom variables at intake, 3 months, and 12 months postinjury were compared between 50 treated adults with mild traumatic brain injury (MTBI) who were not seeking or receiving financial compensation at any time and 18 who were at each time. Compensation seekers/receivers reported symptom incidence and severity as approximately 1 SD higher at each time. The level of difference between the groups did not significantly differ across time. No demographic variables distinguished the groups. No injury-related variable other than more immediate postinjury prescription medication use was predictive of the greater symptom complaints for the patients seeking or receiving compensation. However, this medication effect did not explain away the compensation effect when medication use was co-varied in an analysis. Our study appears to be the first to examine the relationship between financial compensation and symptom report in an MTBI sample specifically treated for their condition. Our results indicate that even highly patient-rated treatment is not adequate to wash out the strong relationship between financial compensation status and symptom report 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,406

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,601
Tête enseignante GPT0,524
Écart entre enseignants0,076 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations109
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical and Experimental NeuropsychologyMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207