A commentary for neuropsychologists on CDC’s guideline on the diagnosis and management of mild traumatic brain injury among children
Notice bibliographique
Résumé
Objective: In 2018, the Centers for Disease Control Prevention (CDC) published an evidence-based guideline on the diagnosis and management of mild traumatic brain injury (mTBI) among children. This commentary summarizes the key recommendations in the CDC Pediatric mTBI Guideline most relevant for neuropsychologists and discusses research gaps and topics that should receive attention in future iterations of the Guideline.Method: We described the methods used to develop the Guideline, which included a comprehensive Systematic Review. We also distilled and presented key practice strategies reflected in Guideline.Results: To optimize care of pediatric patients with mTBI, neuropsychologists should: use validated, age-appropriate symptom scales, assess evidence-based risk factors for prolonged recovery, provide patients with instructions on return to activity customized to their symptoms, and counsel patients to return gradually to nonsports activities after a short period of rest. Future iterations of the Guideline should encompass a review and guidance on care of patients with psychiatric and psychological difficulties, as well as the potential use of imaging to assess patients with persistent symptoms. Expanded research on mTBI among girls, children age 8 and under, and effective treatments for pediatric mTBI will be beneficial to inform care practices.Conclusions: Recommendations in the CDC Pediatric mTBI Guideline highlight multiple opportunities for neuropsychologists to take action to improve the care of young patients with mTBI and to advance research in the field. Multiple resources and tools are available to support implementation of these recommendations into clinical practice.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».