The impact of fitness level on self-report of concussion symptoms
Notice bibliographique
Résumé
Background The diagnosis and management of concussion in sport rely heavily on self-report of symptoms by the athlete. However, many symptoms commonly reported after a concussion (headache, nausea, fatigue, etc.) may be influenced by other factors. Fatigue is a frequent complaint, but may actually be a function of level of physical fitness. Objective To evaluate the role of physical fitness on self-report of concussion symptoms in collegiate athletes and students, during baseline testing. Design Prospective repeated measures. Participants 125 subjects were recruited, including 95 collegiate athletes and 30 undergraduate students (83 males and 42 females). Athletes were screened for medical and psychological conditions. No athlete had a recent history of concussion. Intervention Subjects completed the Standardised Concussion Assessment Tool (SCAT1) at three time periods: prior to a Leger (Beep) test, within 10 min of test completion, and within 24 h. The Leger test has established validity and reliability to estimate an athlete's V02 maximum and overall fitness levels. Main outcome measures Estimated V02 max (Leger test) and symptom scores on the SCAT1. Results Subjects were grouped into three levels of fitness according to criteria established by the American College of Sports Medicine (2010). A 3×3 repeated-measures ANOVA was not significant for the overall model but showed a significant interaction between time and fitness level (F (2, 121)=3.50, p=0.02). Post-hoc analysis revealed significant differences in report of symptoms among the three fitness groups at baseline and immediately post-activity, but not at 24 h. Conclusion Results provide evidence of a moderating effect of fitness level on report of concussion symptoms at baseline, even in healthy adults. Specifically, exercise can induce symptom reporting, and may a function of an athlete's level of conditioning. Sport medicine professionals making decisions following concussion need to consider an athlete's level of fitness when evaluating post-concussion symptoms.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».