The Traumatic Brain Injury Model Systems National Database: A Review of Published Research
Notice bibliographique
Résumé
The Traumatic Brain Injury Model Systems (TBIMS) is the largest longitudinal TBI data set in the world. Our study reviews the works using TBIMS data for analysis in the last 5 years. A search (2015-2020) was conducted across PubMed, EMBASE, and Google Scholar for studies that used the National Institute on Disability, Independent Living and Rehabilitation Research NIDILRR/VA-TBIMS data. Search terms were as follows: ["TBIMS" national database] within PubMed and Google Scholar, and ["TBIMS" AND national AND database] on EMBASE. Data sources, study foci (in terms of data processing and outcomes), study outcomes, and follow-up information usage were collected to categorize the studies included in this review. Variable usage in terms of TBIMS' form-based variable groups and limitations from each study were also noted. Assessment was made on how TBIMS' objectives were met by the studies. Of the 74 articles reviewed, 23 used TBIMS along with other data sets. Fifty-four studies focused on specific outcome measures only, 6 assessed data aspects as a major focus, and 13 explored both. Sample sizes of the included studies ranged from 11 to 15,835. Forty-two of the 60 longitudinal studies assessed follow-up from 1 to 5 years, and 15 studies used 10 to 25 years of the same. Prominent variable groups as outcome measures were "Employment," "FIM," "DRS," "PART-O," "Satisfaction with Life," "PHQ-9," and "GOS-E." Limited numbers of studies were published regarding tobacco consumption, the Brief Test of Adult Cognition by Telephone (BTACT), the Supervision Rating Scale (SRS), general health, and comorbidities as variables of interest. Generalizability was the most significant limitation mentioned by the studies. The TBIMS is a rich resource for large-sample longitudinal analyses of various TBI outcomes. Future efforts should focus on under-utilized variables and improving generalizability by validation of results across large-scale TBI data sets to better understand the heterogeneity of TBI.
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 | 0,011 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,005 |
| Bibliométrie | 0,065 | 0,065 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».