Blast in Context: The Neuropsychological and Neurocognitive Effects of Long-Term Occupational Exposure to Repeated Low-Level Explosives on Canadian Armed Forces' Breaching Instructors and Range Staff
Notice bibliographique
Résumé
Currently, there is strong interest within the military to better understand the effects of long-term occupational exposure to repeated low-level blast on health and performance. To gain traction on the chronic sequelae of blast, we focused on breaching—a tactical technique for gaining entry into closed/blocked spaces by placing explosives and maintaining a calculated safe distance from the detonation. Using a cross-sectional design, we compared the neuropsychological and neurocognitive profiles of breaching instructors and range staff to sex- and age-matched Canadian Armed Forces (CAF) controls. Univariate tests demonstrated that breaching was associated with greater post-concussive symptoms (Rivermead Post Concussion Symptoms Questionnaire) and lower levels of energy (RAND SF-36). In addition, breaching instructors and range staff were slower on a test that requires moving and thinking simultaneously (i.e., cognitive-motor integration). Next, using a multivariate approach, we explored the impact of other possible sources of injury, including concussion and prior war-zone deployment on the same outcomes. Concussion history was associated with higher post-concussive scores and musculoskeletal problems, whereas deployment was associated with higher post-concussive scores, but lower energy and greater PTSD symptomatology (using PCL-5). Our results indicate that although breaching, concussion, and deployment were similarly correlated with greater post-concussive symptoms, concussion history appears to be uniquely associated with altered musculoskeletal function, whereas deployment history appears to be uniquely associated with lower energy and risk of PTSD. We argue that the broader injury context must, therefore, be considered when studying the impact of repetitive low-level explosives on health and performance in military members.
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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».