Diffusion Tensor Imaging Findings and Postconcussion Symptom Reporting Six Weeks Following Mild Traumatic Brain Injury
Notice bibliographique
Résumé
The purpose of this study is to examine the relation between the microstructural architecture of white matter, as measured by diffusion tensor imaging (DTI), and postconcussion symptom reporting 6-8 weeks following mild traumatic brain injury (MTBI). Participants were 108 patients prospectively recruited from a Level 1 Trauma Center (Vancouver, BC, Canada) following an orthopedic injury [i.e., 36 trauma controls (TCs)] or MTBI (n = 72). DTI of the whole brain was undertaken using a Phillips 3T scanner at 6-8 weeks postinjury. Participants also completed a 5 h neurocognitive test battery and a brief battery of self-report measures (e.g., depression, anxiety, and postconcussion symptoms). The MTBI sample was divided into two groups based on ICD-10 criteria for postconcussional syndrome (PCS): first, PCS-present (n = 20) and second, PCS-absent (n = 52). There were no significant differences across the three groups (i.e., TC, PCS-present, and PCS-absent) for any of the neurocognitive measures (p = .138-.810). For the self-report measures, the PCS-present group reported significantly more anxiety and depression symptoms compared with the PCS-absent and TC groups (p < .001, d = 1.63-1.89, very large effect sizes). For the DTI measures, there were no significant differences in fractional anisotropy, axial diffusivity, radial diffusivity, or mean diffusivity when comparing the PCS-present and PCS-absent groups. However, there were significant differences (p < .05) in MD and RD when comparing the PCS-present and TC groups. There were significant differences in white matter between TC subjects and the PCS-present MTBI group, but not the PCS-absent MTBI group. Within the MTBI group, white-matter changes were not a significant predictor of ICD-10 PCS.
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 | 0,003 | 0,024 |
| 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 | 0,000 | 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 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 ».