Epidemiology of recurrent traumatic brain injury in the general population
Notice bibliographique
Résumé
OBJECTIVE: To comprehensively assess recurrent traumatic brain injury (rTBI) risk and risk factors in the general population. METHODS: We systematically searched MEDLINE, EMBASE, and the references of included studies until January 16, 2017, for general population observational studies reporting rTBI risk or risk factors. Estimates were not meta-analyzed due to significant methodologic heterogeneity between studies, which was evaluated using meta-regression. RESULTS: Twenty-two studies reported recurrence risk and 11 reported on 27 potential risk factors. rTBI risk was heterogeneous and varied from 0.43% (95% confidence interval [CI] 0.19%-0.67%) to 41.92% (95% CI 34.43%-49.40%), with varying follow-up periods (3 days-55 years). Median time to recurrence ranged from 0.5 to 3.8 years. In studies where cases were ascertained from multiple points of care, at least 5.50% (95% CI 4.80%-6.30%) of patients experienced a recurrence after a 1-year follow-up. Studies that used administrative data/self-report surveys to ascertain cases tended to report higher risk. Risk factors measured at time of index traumatic brain injury (TBI) that were significantly associated with rTBI in more than one study were male sex, prior TBI before index case, moderate or severe TBI, and alcohol intoxication. Risk factors reported in a single study that were significantly associated with rTBI were epilepsy, not seeking medical care, and multiple factors indicative of low socioeconomic status. CONCLUSIONS: rTBI is an important contributor to the general population TBI burden. Certain risk factors can help identify individuals at higher risk of these repeated injuries. However, higher quality research that improves on rTBI surveillance methodology is needed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».