Interaction between Age, Sex, and Mental Health Status as Precipitating Factors for Symptom Presentation in Concussed Individuals
Notice bibliographique
Résumé
Concussions are among the most common neurological conditions, with emergency departments and sports injury clinics seeing hundreds of patients each year. The consideration of risk factors such as age, sex, and comorbid conditions are very important when looking at individual physiological and psychological outcomes after a concussion. The purpose of this study was to look at four comorbid conditions (depression, anxiety, behavioural disorder, or learning disability) and identify any interactions with age and sex in symptom presentation after suffering a concussion. A total of 4,865 participants from the CCMI (Complete Concussion Management Inc.) dataset were used with 1,577 self-identified with a diagnosis of anxiety, depression, a behavioural disorder, or a learning disability. Fixed-factor analyses of variance were used with age and sex as fixed, grouping factors and symptom total and severity as dependent measures. For the individuals who did not have one of the 4 mental health conditions (3,288 control participants), symptom total and symptom severity increased with age ( p<0.05 ), and females showed more symptoms and a higher symptom severity than males across all ages ( p<0.05 ). A diagnosis of anxiety or depression exacerbated total symptoms and symptom severity from 25–50% above control levels in the 19 and under age groups, while depression or anxiety exacerbated total symptoms and severity by 10–15% in males more than females over 20. A diagnosis of a behavioural disorder or a learning disability exacerbated symptom severity by approximately 50% above control levels in 13–19–year-old females and in males of 30 years and older. This study highlights how the presence of a mental health condition may alter concussion symptom presentation dependent on age and sex. The identification of risk factors and how they may interact can be of great value to health care providers who manage concussion symptoms and recovery.
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 | 0,001 | 0,005 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».