Perceptual Cognitive Training Does Not Improve Clinical Outcomes at 4 and 12 Weeks Following Concussion in Children and Adolescents: A Randomized Controlled Trial
Notice bibliographique
Résumé
OBJECTIVE: To determine whether a perceptual-cognitive training program using 3D-multiple object tracking (3D-MOT) can improve symptoms following acute pediatric concussion. SETTING: Research laboratory within a pediatric trauma center. PARTICIPANTS: Children and adolescents (n = 62, age= 13.27 ± 2.50) with diagnosed concussion. DESIGN: Randomized controlled trial. Children were randomized into either 3D-MOT, 2048 game, or standard care-only groups. Participants and parents completed the Post-Concussion Symptom Inventory (PCSI) at baseline, 4, 8, and 12 weeks postinjury. Intervention participants completed either the 3D-MOT protocol or the 2048 game at 6 sessions between the baseline and 4-week assessment. MAIN MEASURES: A 3 (group) × 10 (time) mixed-model analysis of variance evaluated PCSI total scores. The rate of persistent postconcussive symptom (PPCS) was evaluated at 4 weeks using χ2 analysis. RESULTS: Symptoms decreased throughout the study using both child-reported (F(9,374) = 22.03, P < .001) and parent-reported scores (F(9,370) = 28.06, P < .001). Twenty-four (44.4%) children met the study definition for PPCS using the child-reported PCSI, while 20 (37.7%) children had PPCS using parent reports. The intervention did not significantly affect symptom resolution or PPCS rates. CONCLUSION: There is no benefit to prescribing 3D-MOT training for acute rehabilitation in pediatric patients with concussion and clinicians should instead focus on more effective programs.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».