Sports Related Concussion Impacts Speech Rate and Muscle Function
Notice bibliographique
Résumé
ABSTRACT Objective To examine speech rate and muscle function in athletes with and without sports related concussion (SRC). Methods We recruited 30 athletes aged 19-22 years-old who had sustained a SRC within the past 2 years and 30 pair-wise matched controls with no history of SRC from the student community at Michigan State University. Speech rate and muscle function were evaluated during diadochokinetic (DDK) tasks. Speech rate was measured via average time per syllable, average unvoiced time per syllable, and expert perceptual judgement. Speech muscle function was measured via surface electromyography over the obicularis oris, masseter, and segmental triangle. Group differences were assessed using MANOVA, bootstrapping and predictive ROC analyses. Results Athletes with SRC had slower speech rates during DDK tasks than controls as evidenced by longer average time per syllable (F(1, 52) = 11.072, p =.002, [95% CI : .01 to .04]), longer average unvoiced time per syllable (F(1, 52) = 16.031, p < .000, [95% CI : .01 to .029] and expert judgement of slowed rate (F(1, 22) = 9.782, p = .005, [95% CI : .163 to .807]). Rate measures were predictive of concussion history. Further, athletes with SRC required more speech muscle activation than controls to complete the DDK tasks (F(1, 3) = 17.12, p =.000, [95% CI: .003 to .006]). Conclusion We found clear evidence of slowed speech and increased muscle activation during the completion of DDK tasks in athletes with SRC histories relative to controls. Speech rate and muscle assessment should be incorporated into clinical evaluation of concussion.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».