MétaCan
Menu
Retour à la cohorte
Enregistrement W3033566127 · doi:10.1542/peds.2019-2317

Parent-Child Agreement on Postconcussion Symptoms in the Acute Postinjury Period

2020· article· en· W3033566127 sur OpenAlexafffund
Isabelle Gagnon, Elizabeth F. Teel, Gérard A. Gioia, Mary Aglipay, Nick Barrowman, Maegan Sady, Christopher G. Vaughan, Roger Zemek

Notice bibliographique

RevuePEDIATRICS · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensUniversity of OttawaChildren's Hospital of Eastern OntarioMcGill UniversityMontreal Children's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineIntraclass correlationConfidence intervalLogistic regressionReceiver operating characteristicConcussionArea under the curvePediatricsOdds ratioPoison controlPhysical therapyInjury preventionClinical psychologyEmergency medicinePsychometricsInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To evaluate parent-child agreement on postconcussion symptom severity within 48 hours of injury and examine the comparative predictive power of a clinical prediction rule when using parent or child symptom reporting. METHODS: Both patients and parents quantified preinjury and current symptoms using the Postconcussion Symptom Inventory (PCSI) in the pediatric emergency department. Two-way mixed, absolute measure intraclass correlation coefficients were calculated to evaluate the agreement between patient and parent reports. A multiple logistic regression was run with 9 items to determine the predictive power of the Predicting and Preventing Postconcussive Problems in Pediatrics clinical prediction rule when using the child-reported PCSI. Delong’s receiver operating characteristic curve analysis was used to compare the area under the curve (AUC) for the child-report models versus previously published parent-report models. RESULTS: Overall parent-child agreement for the total PCSI score was fair (intraclass correlation coefficient = 0.66). Parent-child agreement was greater for (1) postinjury (versus preinjury) ratings, (2) physical (versus emotional) symptoms, and (3) older (versus younger) children. Applying the clinical prediction rule by using the child-reported PCSI maintained similar predictive power to parent-reported PCSI (child AUC = 0.70 [95% confidence interval: 0.67–0.72]; parent AUC = 0.71 [95% confidence interval: 0.68–0.74]; P = .23). CONCLUSIONS: Overall parent-child agreement on postconcussion symptoms is fair but varies according to several factors. The findings for physical symptoms and the clinical prediction rule have high agreement; information in these domains are likely to be similar regardless of whether they are provided by either the parent or child. Younger children and emotional symptoms show poorer agreement; interviewing both the child and the parent would provide more comprehensive information in these instances.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,039
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,330
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePEDIATRICSMême sujetTraumatic Brain Injury ResearchTravaux en français237 207