Evaluating the utility of ICD-10 diagnostic criteria for postconcussion syndrome following mild traumatic brain injury
Notice bibliographique
Résumé
The present study investigated the utility of the International Classification of Diseases and Related Health Problems, 10th edition (ICD-10) diagnostic criteria for postconcussion syndrome (PCS) symptoms by comparing symptom endorsement rates in a group of patients with mild traumatic brain injury (MTBI) to those of a noninjured control group at one month and three months post-injury. The 110 MTBI patients and 118 control participants were group-matched on age, gender, and education level. Seven of the nine self-reported ICD-10 PCS symptoms differentiated the groups at one month post-injury and two symptoms differentiated the groups at three months post-injury: symptom endorsement rates were higher in the MTBI group at both time periods. Fatiguing quickly and dizziness/vertigo best differentiated the groups at both time periods, while depression and anxiety/tension failed to differentiate the groups at either time period. Collectively, the ICD-10 PCS symptoms accurately classified the MTBI patients at one month post-injury, with the optimal positive test threshold of endorsement of five symptoms coinciding with a sensitivity and specificity of 73% and 61%, respectively. The ICD-10 PCS symptoms were unable to accurately classify the MTBI patients at three months post-injury.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».