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 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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».