Fatigue After Traumatic Brain Injury and Its Impact on Participation and Quality of Life
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
OBJECTIVES: To examine the relationships between post-TBI fatigue (PTBIF) and comorbid conditions, participation in activities, quality of life, and demographic and injury variables. PARTICIPANTS: 223 community-dwelling individuals with mild to severe TBI and 85 noninjured controls. MEASURES: Global Fatigue Index (GFI), Beck Depression Inventory (BDI-II), McGill Pain Questionnaire (MPQ), Pittsburgh Sleep Quality Inventory (PSQI), Participation Objective Participation Subjective (POPS), SF-36, Life-3. METHOD: Data were collected through interviews and administration of self-report measures as part of a study of PTBIF. RESULTS: Fatigue was more severe and prevalent in individuals with TBI, and more severe among women. It was not correlated with other demographic and injury variables. Once overlap in measurement instruments' content was removed, depression, pain, and sleep problems accounted for approximately 23% of the variance in fatigue in those with TBI compared to 58% of the variance in the control group. PTBIF was correlated with health-related quality of life and overall quality of life, but was not generally related to participation in major life activities. CONCLUSIONS: PTBIF has significant impact on well-being and quality of life and cannot be accounted for by comorbid conditions alone, suggesting that it is related to brain injury itself. It appears to be unrelated to demographic and injury variables other than gender. PTBIF does not limit the quantity and frequency of participation. Future research should focus on the relationship between fatigue and the quality of participation.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle