Latent Class Analysis of Brain Injury Symptomatology among College Students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background Incidents potentially causing mild brain injury (BI) are common, and most people recover rapidly; however, a subset experiences long-lasting challenges. Objective This study used latent class analysis to identify a subset of college students presenting chronic symptomatology consistent with a mild BI diagnosis and pseudo-class mean equality tests to examine relations between latent classes and BI event and academic outcome variables. Methods Participants were 118/423 undergraduates self-reporting possible mild BIs through a survey about general health, daily habits, academic performance, and potential BI events. Twenty-four cognitive, physiological, or socio-emotional sequelae served to identify symptomatology profiles. Results A three-class model including 11% with high symptomatology, 49% with moderate symptomatology, and 40% with negligible symptomatology provided excellent fit and entropy. Symptoms best separating high and moderate classes were memory, thinking speed, new learning, and attention problems. Mean equality tests revealed no significant difference in number of BI events across classes, but high symptomatology respondents were significantly less likely to lose consciousness and significantly more likely to have lower grade point averages and to have failed courses than moderate symptomatology respondents. Discussion Cognitive problems are paramount in distinguishing college students with chronic high symptomatology following BI from those with moderate and negligible symptomatology. Because high symptomatology class individuals differ academically from their counterparts, a functional consequence of mild BI appears to exist. Conclusion About 1 in 10 undergraduate students self-reporting BI events experiences chronic symptomatology affecting general health and academic achievement. Because they may benefit from supportive services, accurate identification is critical.
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.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle