Using Variance to Explore the Diagnostic Utility of Baseline Concussion Testing
Notice bibliographique
Résumé
The Graded Symptom Checklist (GSC), Standardized Assessment of Concussion (SAC), Balance Error Scoring System (BESS), and King-Devick Test (KDT) are considered important components of concussion assessment. Whether baseline testing improves the diagnostic utility of these tests remains unclear. We performed an observational cohort study to investigate the within-subject and between-subjects variability of these tests over repeated assessments during two football seasons to examine whether baseline testing reduces variability in test performance. Thirty-five male collegiate football players completed weekly clinical concussion assessments over two seasons. Within-subject (week-to-week) and between-subjects (player-to-player) variability for each test were compared using a bootstrap analysis. Within-subject and between-subjects proportions of overall variance for each test score were calculated. Mixed-model analyses were used to quantify practice effects resulting from repeated testing. For the GSC and BESS, within-subject and between-subjects variability did not significantly differ. For the KDT, the proportion of within-subject variance (20.2%) was significantly less than the between-subjects variance (79.8%). For SAC, however, the proportion of within-subject variance (66.8%) was significantly greater than the between-subjects variance (33.8%). A small, but significant, practice effect was observed for the BESS and KDT tests. When athletes are evaluated during a football season for concussion using the GSC, SAC, and BESS, comparing their scores to baseline performance is likely no more beneficial than comparing them to normative population data for identifying neurological changes associated with concussion. For the KDT, comparison to baseline testing is likely beneficial because of significantly higher between-subjects variability.
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 | 0,060 | 0,172 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».