Quantitative measurement of post-concussion syndrome Using Electrovestibulography
Notice bibliographique
Résumé
In this study, a noninvasive quantitative measure was used to identify short and long term post-concussion syndrome (PCS) both from each other and from healthy control populations. We used Electrovestibulography (EVestG) for detecting neurophysiological PCS consequent to a mild traumatic brain injury (mTBI) in both short-term (N = 8) and long-term (N = 30) (beyond the normal recovery period) symptomatic individuals. Peripheral, spontaneously evoked vestibuloacoustic signals incorporating - and modulated by - brainstem responses were recorded using EVestG, while individuals were stationary (no movement stimulus). Tested were 38 individuals with PCS in comparison to those of 33 age-and-gender-matched healthy controls. The extracted features were based on the shape of the averaged extracted field potentials (FPs) and their detected firing pattern. Linear discriminant analysis classification, incorporating a leave-one-out routine, resulted in (A) an unbiased 84% classification accuracy for separating healthy controls from a mix of long and short-term symptomatology PCS sufferers and (B) a 79% classification accuracy for separating between long and short-term symptomatology PCS sufferers. Comparatively, short-term symptomatology PCS was generally detected as more distal from controls. Based on the results, the EVestG recording shows promise as an assistive objective tool for detecting and monitoring individuals with PCS after normal recovery periods.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».