Elevated Tau in Military Personnel Relates to Chronic Symptoms Following Traumatic Brain Injury
Notice bibliographique
Résumé
OBJECTIVE: To understand the relationships between traumatic brain injury (TBI), blood biomarkers, and symptoms of posttraumatic stress disorder (PTSD), depression, and postconcussive syndrome symptoms. DESIGN: Cross-sectional cohort study using multivariate analyses. PARTICIPANTS: One hundred nine military personnel and veterans, both with and without a history of TBI. MAIN MEASURES: PTSD Checklist-Civilian Version (PCL-C); Neurobehavioral Symptom Inventory (NSI); Ohio State University TBI Identification Method; Patient Health Questionnaire-9 (PHQ-9); Simoa-measured concentrations of tau, amyloid-beta (Aβ) 40, Aβ42, and neurofilament light (NFL). RESULTS: Controlling for age, sex, time since last injury (TSLI), and antianxiety/depression medication use, NFL was trending toward being significantly elevated in participants who had sustained 3 or more TBIs compared with those who had sustained 1 or 2 TBIs. Within the TBI group, partial correlations that controlled for age, sex, TSLI, and antianxiety/depression medication use showed that tau concentrations were significantly correlated with greater symptom severity, as measured with the NSI, PCL, and PHQ-9. CONCLUSIONS: Elevations in tau are associated with symptom severity after TBI, while NFL levels are elevated in those with a history of repetitive TBIs and in military personnel and veterans. This study shows the utility of measuring biomarkers chronically postinjury. Furthermore, there is a critical need for studies of biomarkers longitudinally following TBI.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».