A Multisite Study of the Relationships between Blast Exposures and Symptom Reporting in a Post-Deployment Active Duty Military Population with Mild Traumatic Brain Injury
Notice bibliographique
Résumé
Explosive devices have been the most frequent cause of traumatic brain injury (TBI) among deployed contemporary U.S. service members. The purpose of this study was to examine the influence of previous cumulative blast exposures (that did or did not result in TBI) on later post-concussion and post-traumatic symptom reporting after sustaining a mild TBI (MTBI). Participants were 573 service members who sustained MTBI divided into four groups by number of blast exposures (1, 2, 3, and 4-10) and a nonblast control group. Post-concussion symptoms were measured using the Neurobehavioral Symptom Inventory (NSI) and post-traumatic stress disorder (PTSD) symptoms using the Post-traumatic Checklist-Civilian version (PCL-C). Results show groups significantly differed on total NSI scores (p<0.001), where symptom endorsement increased as number of reported blast exposures increased. Total NSI scores were significantly higher for the 3- and 4-10 blast groups compared with the 1- and 2-blast groups with effect sizes ranging from small to moderate (d=0.31 to 0.63). After controlling for PTSD symptoms using the PCL-C total score, NSI total score differences remained between the 4-10-blast group and the 1- and 2-blast groups, but were less pronounced (d=0.35 and d=0.24, respectively). Analyses of NSI subscale scores using PCL-C scores as a covariate revealed significant between-blast group differences on cognitive, sensory, and somatic, but not affective symptoms. Regression analyses revealed that cumulative blast exposures accounted for a small but significant amount of the variance in total NSI scores (4.8%; p=0.009) and total PCL-C scores (2.3%; p<0.001). Among service members exposed to blast, post-concussion symptom reporting increased as a function of cumulative blast exposures. Future research will need to determine the relationship between cumulative blast exposures, symptom reporting, and neuropathological changes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 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 ».