The use of cognitive screens within major trauma centres in England: A survey of current practice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction Major trauma centres are effective in reducing morbidity and mortality rates following serious injury. Many patients attending major trauma centres present with traumatic brain injuries, requiring specialist assessment in screening for potential cognitive deficits. Numerous cognitive screens exist but it is currently unclear which are used most frequently within major trauma centres. This study aimed to identify which screening tools are used most frequently in major trauma centres in England to enable discussion around their suitability for this clinical population. Method Electronic surveys were distributed via a mailing list to Clinical Psychologists and Clinical Neuropsychologists in major trauma centres across England to gather data on the use of cognitive screens. Results Fourteen Clinical Psychologists in Neuropsychology participated. Results suggest major trauma centres in England are currently using the ACE-III (50%) or MoCA (42%) as the most frequently used screens for cognitive difficulties following traumatic brain injury. Cognitive screening pathways are multi-disciplinary involving OTs (86%), psychologists (qualified 79%; assistant 57%) psychiatrists (36%), mental health nurses (7%) and therapy assistants (7%). Conclusions Major trauma centres are using evidence-based cognitive screens at present, but further work is needed to develop more effective, better validated cognitive screens for traumatic brain injury populations. Increased inter-professional discussion on the practice of cognitive screening would be beneficial for patients seen within major trauma centres.
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.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle