Post-Acute Cortical Thickness in Children with Mild Traumatic Brain Injury versus Orthopedic Injury
Notice bibliographique
Résumé
Studies of brain morphometry may illuminate the effects of pediatric mild traumatic brain injury (TBI; e.g., concussion). However, no published studies have examined cortical thickness in the early injury phases of pediatric mild TBI using an appropriate comparison group. The current study used an automated approach (i.e., FreeSurfer) to determine whether cortical thickness differed in children following a mild TBI or a mild orthopedic injury (OI), and to examine whether post-acute cortical thickness predicted post-acute and chronic post-concussive symptoms (PCS). Children ages 8.00-16.99 years with mild TBI ( n = 136) or OI ( n = 70) were recruited at emergency department visits to two children's hospitals, during which parents rated children's pre-injury symptoms retrospectively. Children completed a post-acute (3–24 days post-injury) assessment, which included a 3 Tesla MRI, and 3- and 6-month post-injury assessments. Parents and children rated PCS at each assessment. Cortical thickness was estimated using FreeSurfer. Linear mixed effects and multi-variable negative binomial regression models were used to test study aims, with false discovery rate (FDR) correction for multiple comparisons. Groups differed significantly on left parietal cortical thickness (TBI > OI) after FDR correction. Cortical thickness also varied by brain subregion and age, but not sex. Groups differed significantly on PCS post-acutely (TBI > OI), but not at 3 or 6 months. Right frontal thickness was positively related to post-acute PCS in both groups. Right cingulum thickness predicted chronic PCS in the OI group only. Results highlight the complexity of predicting outcomes of pediatric mild TBI from post-acute neuroimaging biomarkers.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,003 |
| 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 ».