Interleukin-8 Predicts Fatigue at 12 Months Post-Injury in Children with Traumatic Brain Injury
Notice bibliographique
Résumé
Despite many children experiencing fatigue after childhood brain injury, little is known about the predictors of this complaint. To date, traditional indices of traumatic brain injury (TBI) severity have not predicted reliably persisting fatigue (up to three years post-injury). This study aimed to establish whether persisting fatigue is predicted by serum biomarker concentrations in child TBI. We examined whether acute serum biomarker expression would improve prediction models of 12-month fatigue based on injury severity. Blood samples were collected from 87 children (1–17 years at injury) sustaining mild to severe TBI (Glasgow Coma Scale [GCS] range 3–15; mean 12.43; classified as mild TBI [ n = 50, 57%] vs. moderate/severe TBI [ n = 37, 43%]), and presenting to the emergency departments (ED) and pediatric intensive care units (PICU) at one of three tertiary pediatric hospitals (Royal Children's Hospital (RCH); Hospital for Sick Children (HSC), Toronto; St Justine Children's Hospital (SJH), Montreal). Six serum biomarker concentrations were measured within 24 h of injury (interleukin-6, interleukin-8 [IL-8], soluble vascular cell adhesion molecule [SVCAM], S100 calcium binding protein B [S100B], neuron specific enolase [NSE], and soluble neural cell adhesion molecule [sNCAM]). Fatigue at 12 months post-injury was measured using the Pediatric Quality of Life Inventory Multidimensional Fatigue Scale (parent report), classified as present/absent using previously derived cut-points. At 12 months post-injury, 22% of participants experienced fatigue. A model including IL-8 was the best serum biomarker for estimating the probability of children experiencing fatigue at 12 months post-injury. The IL-8 also significantly improved predictive models of fatigue based on severity.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».