Recovery of White Matter following Pediatric Traumatic Brain Injury Depends on Injury Severity
Notice bibliographique
Résumé
Previous studies in pediatric traumatic brain injury (TBI) have been variable in describing the effects of injury severity on white-matter development. The present study used diffusion tensor imaging to investigate prospective sub-acute and longitudinal relationships between early clinical indicators of injury severity, diffusion metrics, and neuropsychological outcomes. Pediatric patients with TBI underwent magnetic resonance imaging (MRI) (n = 78, mean [M] = 10.56, standard deviation [SD] = 2.21 years) at the sub-acute stage after injury (M = 5.55, SD = 3.05 weeks), and typically developing children were also included and imaged (n = 30, M = 10.60, SD = 2.88 years). A sub-set of the patients with TBI (n = 15) was followed up with MRI 2 years post-injury. Diffusion MRI images were acquired at sub-acute and 2-year follow-up time points and analyzed using Tract-Based Spatial Statistics. At the sub-acute stage, mean diffusivity and axial diffusivity were significantly higher in the TBI group compared with matched controls (p < 0.05). TBI severity significantly predicted diffusion profiles at the sub-acute and 2-year post-injury MRI. Patients with more severe TBI also exhibited poorer information processing speed at 6-months post-injury, which in turn correlated with their diffusion metrics. These findings highlight that the severity of the injury not only has an impact on white-matter microstructure, it also impacts its recovery over time. Moreover, findings suggest that sub-acute microstructural changes may represent a useful prognostic marker to identify children at elevated risk for longer term deficits.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».