MétaCan
Menu
Retour à la cohorte
Enregistrement W3112876226 · doi:10.2147/mder.s279521

<p>Physiological Vibration Acceleration (Phybrata) Sensor Assessment of Multi-System Physiological Impairments and Sensory Reweighting Following Concussion</p>

2020· article· en· W3112876226 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMedical Devices Evidence and Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésConcussionMedicineVestibular systemPhysical medicine and rehabilitationReceiver operating characteristicTraumatic brain injuryRehabilitationAudiologyPhysical therapyPoison controlInternal medicineInjury preventionPsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess the utility of a head-mounted wearable inertial motion unit (IMU)-based physiological vibration acceleration ("phybrata") sensor to support the clinical diagnosis of concussion, classify and quantify specific concussion-induced physiological system impairments and sensory reweighting, and track individual patient recovery trajectories. METHODS: Data were analyzed from 175 patients over a 12-month period at three clinical sites. Comprehensive clinical concussion assessments were first completed for all patients, followed by testing with the phybrata sensor. Phybrata time series data and spatial scatter plots, eyes open (Eo) and eyes closed (Ec) phybrata powers, average power (Eo+Ec)/2, Ec/Eo phybrata power ratio, time-resolved phybrata spectral density (TRPSD) distributions, and receiver operating characteristic (ROC) curves are compared for individuals with no objective impairments and those clinically diagnosed with concussions and accompanying vestibular impairment, other neurological impairment, or both vestibular and neurological impairments. Finally, pre- and post-injury phybrata case report results are presented for a participant who was diagnosed with a concussion and subsequently monitored during treatment, rehabilitation, and return-to-activity clearance. RESULTS: Phybrata data demonstrate distinct features and patterns for individuals with no discernable clinical impairments, diagnosed vestibular pathology, and diagnosed neurological pathology. ROC curves indicate that the average power (Eo+Ec)/2 may be utilized to support clinical diagnosis of concussion, while Eo and Ec/Eo may be utilized as independent measures to confirm accompanying neurological and vestibular impairments, respectively. All 3 measures demonstrate area under the curve (AUC), sensitivity, and specificity above 90% for their respective diagnoses. Phybrata spectral analyses demonstrate utility for quantifying the severity of concussion-induced physiological impairments, sensory reweighting, and subsequent monitoring of improvements throughout treatment and rehabilitation. CONCLUSION: Phybrata testing assists with objective concussion diagnosis and provides an important adjunct to standard concussion assessment tools by objectively ascertaining neurological and vestibular impairments, guiding targeted rehabilitation strategies, monitoring recovery, and assisting with return-to-sport/work/learn decision-making.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,712

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,279
Tête enseignante GPT0,461
Écart entre enseignants0,182 · 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