Predicting Wellness After Pediatric Concussion
Notice bibliographique
Résumé
OBJECTIVE: Concussion in children and adolescents is a prevalent problem with implications for subsequent physical, cognitive, behavioral, and psychological functioning, as well as quality of life. While these consequences warrant attention, most concussed children recover well. This study aimed to determine what pre-injury, demographic, and injury-related factors are associated with optimal outcome ("wellness") after pediatric concussion. METHOD: A total of 311 children 6-18 years of age with concussion participated in a longitudinal, prospective cohort study. Pre-morbid conditions and acute injury variables, including post-concussive symptoms (PCS) and cognitive screening (Standardized Assessment of Concussion, SAC), were collected in the emergency department, and a neuropsychological assessment was performed at 4 and 12 weeks post-injury. Wellness, defined by the absence of PCS and cognitive inefficiency and the presence of good quality of life, was the main outcome. Stepwise logistic regression was performed using 19 predictor variables. RESULTS: 41.5% and 52.2% of participants were classified as being well at 4 and 12 weeks post-injury, respectively. The final model indicated that children who were younger, who sustained sports/recreational injuries (vs. other types), who did not have a history of developmental problems, and who had better acute working memory (SAC concentration score) were significantly more likely to be well. CONCLUSIONS: Determining the variables associated with wellness after pediatric concussion has the potential to clarify which children are likely to show optimal recovery. Future work focusing on wellness and concussion should include appropriate control groups and document more extensively pre-injury and injury-related factors that could additionally contribute to wellness. (JINS, 2019, 25, 375-389).
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».