Is There an Optimal Time to Initiate an Active Rehabilitation Protocol for Concussion Management in Children? A Case Series
Notice bibliographique
Résumé
OBJECTIVE: To estimate the time frame during which initiating an active rehabilitation intervention (aerobic exercise, balance, and sport specific skills) after concussion contributed to improvement in symptoms at follow-up in children and adolescents who are slow to recover (symptoms persisting beyond 2 weeks) from concussion. SETTING: Concussion clinic at a tertiary care pediatric teaching hospital. PARTICIPANTS: A total of 677 children and adolescents with concussion aged 7 to 18 years. DESIGN: Case series of participants starting active rehabilitation less than 2, 2, 3, 4, 5, or 6 or more weeks postconcussion. MAIN MEASURE: Symptom severity measured by the 22-item Post-Concussion Scale (PCS)-revised. RESULTS: All patients experienced significant improvement of symptoms while participating in active rehabilitation, irrespective of the start time postonset. Patients initiating active rehabilitation at 2 (P < .001) or 3 (P = .039) weeks postinjury demonstrated lower symptom severity at follow-up than those starting at 6 weeks or later. Patients starting at 2 weeks had lower symptom severity than patients starting less than 2 (P = .02), 4 (P = .20), or 5 weeks postinjury (P = .04). Lastly, patients starting less than 2 and 6 weeks or more postinjury yielded equivalent outcomes. CONCLUSIONS: The findings support the use of active rehabilitation in children and adolescents who are slow to recover from concussion. Participants starting active rehabilitation less than 2 weeks and up to 6 or more weeks postconcussion demonstrated significant symptom improvements, but improvement was observed in all groups, regardless of the time to start active rehabilitation.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 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 ».