Validation of a Concussion Assessment Tool
Notice bibliographique
Résumé
Objective Sports related concussions, or mild traumatic brain injuries, have been steadily increasing over the past two decades. Effective screening and identification of concussions play a critical role in the diagnosis and rehabilitation process. Although side line assessment tools are available, there are few well validated tests available to assist medical providers in this decision-making process. This study aims to determine whether previously validated tools which assess neurocognitive and neurophysiological abilities can predict concussion symptom endorsement in a sample of child and adolescent athletes. Background Participants were recruited from two settings: The office of a pediatric neurologist (seen 3 to 109 days post incident) and from preseason baseline assessments. Design/Methods Method: Participants were 113 individuals, aged 6 to 17, representing 84 consecutive cases of individuals completing standardized baseline assessments with no recent history of concussion, and 29 consecutive cases undergoing a post-concussion evaluation by a pediatric neurologist. Participants completed a standardized battery of tests comprised of the Connors’ Continuous Performance Test (CPT-3), the Balance Error Scoring System (BESS) and the NIH 4-meter Gait Test and completed a checklist of CDC concussion symptoms. Results The screening battery explained 33% of the variance (d = 1.4) in concussion symptom endorsement, after controlling for age. The neurocognitive test alone (CPT-3) accounts for 21.5% of the variance (d = 1.05) in symptoms after controlling for age, and the neurobehavioral measures (BESS and NIH 4m Gait) then account for an additional 11.5% variance (they account for 18.6% variance, d = 0.96, when entered first). These effect sizes are considered large to very large and reflect a marked increase in predictive validity relative to existing measures used in concussion assessments. Conclusions An easy to administer and relatively brief screening test can be used in medical settings to identify concussions and predict significant and substantial variability in CDC concussion symptoms.
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 | 0,018 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».