Clinically Historical and Prospective Associations Between Learning Disorders and Concussion in Young Adult Athletes
Notice bibliographique
Résumé
Background. Athletes with specific learning disorder (LD) tend to score lower on neuropsychological tests and are at increased risk of personal injury than their counterparts without such disorders. Using a retrospective historical and prospective design, we examined whether adult athletes with LD, the most prevalent of neurodevelopmental disorders, experience greater chances of past and future concussions than their counterparts without LD. We expected to find that young athletes with LD would show greater risk of past (historical) and future (prospective) cerebral concussions. Methods. Participants (95 men and 53 women aged 18 to 25 years) were recruited from university sports teams and followed during an entire season. Of these, 38 participants had a history of LD and 101 had a history of at least 1 concussion (72 males, 29 females) at the preseason baseline. One-third experienced a new concussion. Data analytic procedures include inferential cross-tabulations. Results. Athletes with LD were twice more likely to have a concussion history at baseline and to have a history of multiple concussions than athletes without LD; 95% CI = [0.86, 4.92] and [0.77, 3.40], respectively. Athletes with LD were twice more likely to incur a new concussion than those without LD; 95% CI = [0.86, 4.92]. Conclusions. Adult athletes with LD experience greater chances of previous and future concussions compared with counterparts without LD. Preventive practices regarding individuals with neurodevelopmental disorders may not only prevent the biopsychosocial consequences of brain trauma for the individual, but also represent a cost-effective public health measure.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».