A Prospective Study of the Influence of Acute Alcohol Intoxication Versus Chronic Alcohol Consumption on Outcome Following Traumatic Brain Injury
Notice bibliographique
Résumé
The purpose of the study was to disentangle the relative contributions of day-of-injury alcohol intoxication and pre-injury alcohol misuse on outcome from TBI. Participants were 142 patients enrolled from a Level 1 Trauma Center (in Vancouver, Canada) following a traumatic brain injury (TBI; 43 uncomplicated mild TBI and 63 complicated mild-severe TBI) or orthopedic injury [36 trauma controls (TC)]. At 6-8 weeks post-injury, diffusion tensor imaging (DTI) of the whole brain was undertaken using a Phillips 3T scanner. Participants also completed neuropsychological testing, an evaluation of lifetime alcohol consumption (LAC), and had blood alcohol levels (BALs) taken at the time of injury. Participants in the uncomplicated mild TBI and complicated mild-severe TBI groups had higher scores on measures of depression and postconcussion symptoms (d = 0.45-0.83), but not anxiety, compared with the TC group. The complicated mild-severe TBI group had more areas of abnormal white matter on DTI measures (all p < .05; d = 0.54-0.61) than the TC group. There were no difference between groups on all neurocognitive measures. Using hierarchical regression analyses and generalized linear modeling, LAC and BAL did provide a unique contribution toward the prediction of attention and executive functioning abilities; however, the variance accounted for was small. LAC and BAL did not provide a unique and meaningful contribution toward the prediction of self-reported symptoms, DTI measures, or the majority of neurocognitive measures. In this study, BAL and LAC were not predictive of mental health symptoms, postconcussion symptoms, cognition, or white-matter changes at 6-8 weeks following TBI.
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 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».