Fatigue Following Traumatic Brain Injury in Children and Adolescents: A Longitudinal Follow-Up 6 to 12 Months After Injury
Notice bibliographique
Résumé
BACKGROUND: Longitudinal fatigue data in children suffering from traumatic brain injury (TBI) are lacking. OBJECTIVES: To examine the effects of time postinjury (6-12 months) and injury severity on fatigue after childhood TBI. Secondarily, we compared fatigue 12 months postinjury against published control data. SETTING: Three tertiary children's hospitals across Australia (n = 1) and Canada (n = 2). PARTICIPANTS: Parents (n = 109) of children (mean [M] = 9.9 years at injury; range, 1.0-16.9 years) admitted to one of 3 participating hospitals with mild (n = 69) or moderate/severe (n = 37) TBI. DESIGN: Longitudinal prospective study. MEASURES: Primary: Pediatric Quality of Life Multidimensional Fatigue Scale (total, general, sleep/rest, and cognitive), rated by parents 6 and 12 months postinjury. Secondary: Pediatric Injury Functional Outcome Scale (fatigue and sleep items, rated on recruitment and 6 and 12 months postinjury). Demographic and children data were collected at recruitment. RESULTS: Mixed-models analysis demonstrated nonsignificant effects of time (6 vs 12 months postinjury) on multidimensional fatigue scores. Cognitive fatigue worsened over time. Moderate/severe TBI was associated with worse fatigue 12 months postinjury (general, P = .03; cognitive, P = .02). Across all severities, fatigue 12 months postinjury was significantly worse compared with control data (total fatigue, P < .001; all domains, all Ps < .025). CONCLUSION: Fatigue remains significant at 12 months since injury, particularly for those with moderate/severe TBI.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».