MétaCan
Menu
Retour à la cohorte
Enregistrement W2385820965 · doi:10.1016/j.pmrj.2016.04.005

Implementation of Actigraphy in Acute Traumatic Brain Injury (TBI) Neurorehabilitation Admissions: A Veterans Administration TBI Model Systems Feasibility Study

2016· article· en· W2385820965 sur OpenAlexaff
Stephanie J. Towns, Jamie M. Zeitzer, Joel E. Kamper, Erin Holcomb, Marc A. Silva, Daniel J. Schwartz, Risa Nakase‐Richardson

Notice bibliographique

RevuePM&R · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensGeneral Dynamics (Canada)
Organismes subventionnairesNational Institute on Disability, Independent Living, and Rehabilitation ResearchDefense and Veterans Brain Injury CenterU.S. Department of Veterans Affairs
Mots-clésMedicineNeurorehabilitationTraumatic brain injuryActigraphyRehabilitationVeterans AffairsPhysical therapyPopulationMedical recordRetrospective cohort studyPolytraumaPhysical medicine and rehabilitationEmergency medicinePsychiatrySurgeryInternal medicineCircadian rhythm

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Sleep problems and disorders are prevalent in patients with traumatic brain injury (TBI) and are associated with negative outcomes. Incidence varies because of challenges including differences in assessment methods, particularly in the acute stages of recovery when patients are cognitively impaired and unable to complete traditional self-report methods. Actigraphy (ACG) recently has been validated in the acute TBI rehabilitation setting and may serve as a superior method of assessing sleep-wake patterns at this stage of recovery. Although a few studies with small sample sizes have described the use of ACG, none have described feasibility and implementation protocols. OBJECTIVE: To describe the feasibility and implementation protocol of ACG to evaluate sleep-wake patterns and white-light exposure data in patients with acute TBI during inpatient rehabilitation. Sleep-wake patterns and light exposure data are presented to characterize the sample using these methods to inform future research. DESIGN: Retrospective study. SETTING: Acute inpatient rehabilitation unit at a Veterans' Affairs Polytrauma Rehabilitation Center. PARTICIPANTS: Veterans (age ≥18 years) admitted to inpatient rehabilitation and enrolled in the Traumatic Brain Injury Model Systems study who were admitted and discharged in the calendar year 2013. METHODS: Veterans underwent actigraph watch placement as soon as possible after admission. Records from the calendar year 2013 were reviewed to determine the number of admissions that met study criteria and what percentage of those patients had 3 days of continuous ACG data collected. The barriers to successful watch placement in this population were reviewed. Average sleep, light, and wake data from available records were collected for the study sample. MAIN OUTCOME MEASUREMENTS: Percentage of patients who met study criteria and who had 72 hours of continuous ACG data collected. The barriers to successful watch placement in this population were reviewed. Average sleep, light, and wake data from available records were collected. RESULTS: Of 22 eligible Traumatic Brain Injury Model Systems admissions, 3 consecutive nights of ACG data were successfully obtained for 86% (n = 19) of the sample. Barriers to data collection included patient access due to abbreviated lengths of stay, staff availability for ACG placement, and data collection protocols to prevent loss of data in Veterans' Affairs computing systems. CONCLUSIONS: ACG is feasible for collecting data about sleep, wake, and light exposure in patients who are in acute TBI inpatient rehabilitation settings. LEVEL OF EVIDENCE: III.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,293
Score d'incertitude au seuil0,613

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,138
Tête enseignante GPT0,460
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePM&RMême sujetTraumatic Brain Injury ResearchTravaux en français237 207