Blood Biomarkers Relate to Cognitive Performance Years after Traumatic Brain Injury in Service Members and Veterans
Notice bibliographique
Résumé
OBJECTIVE: This study examines the relationship of serum total tau, neurofilament light (NFL), ubiquitin carboxyl-terminal hydrolase L1 (UCH-L1), and glial fibrillary acidic protein (GFAP) with neurocognitive performance in service members and veterans with a history of traumatic brain injury (TBI). METHOD: Service members (n = 488) with a history of uncomplicated mild (n = 172), complicated mild, moderate, severe, or penetrating TBI (sTBI; n = 126), injured controls (n = 116), and non-injured controls (n = 74) prospectively enrolled from Military Treatment Facilities. Participants completed a blood draw and neuropsychological assessment a year or more post-injury. Six neuropsychological composite scores and presence/absence of mild neurocognitive disorder (MNCD) were evaluated. Within each group, stepwise hierarchical regression models were conducted. RESULTS: Within the sTBI group, increased serum UCH-L1 was related to worse immediate memory and delayed memory (R2Δ = .065-.084, ps < .05) performance, while increased GFAP was related to worse perceptual reasoning (R2Δ = .030, p = .036). Unexpectedly, within injured controls, UCH-L1 and GFAP were inversely related to working memory (R2Δ = .052-.071, ps < .05), and NFL was related to executive functioning (R2Δ = .039, p = .021) and MNCD (Exp(B) = 1.119, p = .029). CONCLUSIONS: Results suggest GFAP and UCH-L1 could play a role in predicting poor cognitive outcome following complicated mild and more severe TBI. Further investigation of blood biomarkers and cognition is warranted.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».