Slowing Down after a Mild Traumatic Brain Injury: A Strategy to Improve Cognitive Task Performance?
Notice bibliographique
Résumé
Long-term persistent attention and memory difficulties following a mild traumatic brain injury (TBI) often go undetected on standard neuropsychological tests, despite complaints by mild TBI individuals. We conducted a visual Repetition Detection working memory task to digits, in which we manipulated task difficulty by increasing cognitive load, to identify subtle deficits long after a mild TBI. Twenty-six undergraduate students with a self-report of one mild TBI, which occurred at least 6 months prior, and 31 non-head-injured controls took part in the study. Participants were not informed until study completion that the study's purpose was to examine cognitive changes following a mild TBI, to reduce the influence of "diagnosis threat" on performance. Neuropsychological tasks did not differentiate the groups, though mild TBI participants reported higher state anxiety levels. On our working memory task, the mild TBI group took significantly longer to accurately detect repeated targets on our task, suggesting that slowed information processing is a long-term consequence of mild TBI. Accuracy was comparable in the low-load condition and, unexpectedly, mild TBI performance surpassed that of controls in the high-load condition. Temporal analysis of target identification suggested a strategy difference between groups: mild TBI participants made a significantly greater number of accurate responses following the target's offset, and significantly fewer erroneous distracter responses prior to target onset, compared with controls. Results suggest that long after a mild TBI, high-functioning young adults invoke a strategy of delaying their identification of targets in order to maintain, and facilitate, accuracy on cognitively demanding tasks.
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 | 0,002 |
| 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) | 0,001 | 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 ».