Factors Associated with Quality of Life in Adults with Persistent Post-Concussion Symptoms
Notice bibliographique
Résumé
OBJECTIVE: To assess demographic, clinical, and injury characteristics associated with health-related quality of life (HRQOL) in adults with persistent post-concussion symptoms (PPCS). METHODS: Adults with PPCS presenting to a specialized brain injury clinic completed demographic, injury, and clinical outcome questionnaires at the initial clinic assessment. Clinical outcome measures were collected including the Rivermead Post-Concussion Symptoms Questionnaire (RPQ), Patient Health Questionnaire-9 (PHQ-9), Generalized Anxiety Disorder Scale-7 (GAD-7), and the Fatigue Severity Scale (FSS). HRQOL was measured using the Quality of Life after Brain Injury (QOLIBRI) questionnaire. Stepwise hierarchical multiple regression analysis adjusting for age, sex, and months since injury was used to determine associations between quality of life and clinical outcome measures. RESULTS: Overall, 125 participants were included. The PHQ-9, FSS, and GAD-7 were significant predictors of QOLIBRI scores (R2 = 0.481, p < .001), indicating that participants with higher levels of depressive symptoms, fatigue, and anxiety reported poorer HRQOL. The PHQ-9 score was the strongest predictor, accounting for 42.0% of the variance in QOLIBRI scores. No demographic or injury characteristics significantly predicted QOLIBRI scores. There was a high prevalence of depressive symptoms with 72.8% of participants having PHQ-9 scores ≥ 10. CONCLUSION: Among patients with PPCS, mental health and fatigue are important contributors to HRQOL. As there is a high burden of mood disorders and fatigue in this population, targeted treatments for these concerns may impact the quality of life.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».