Vocational Outcomes After Traumatic Brain Injury; Prevalence and Risk Factors After 1 Year in a Multivariable Model
Notice bibliographique
Résumé
OBJECTIVE: To determine the prevalence of employment status (ES) or full-time study after traumatic brain injury (TBI) in a representative population and its predictive factors. DESIGN: Prospective cohort study. SETTING: Regional Major Trauma Centre. Participants: In total, 1734 consecutive individuals of working age, admitted with TBI to a Regional Trauma Centre, were recruited and followed up at 8 weeks and 1 year with face-to-face interview. Median age was 37.2 years (17.5-58.2); 51% had mild TBI, and 36.8% had a normal computed tomographic (CT) scan. MAIN OUTCOME MEASURE: Complete or partial/modified return to employment or study as an ordinal variable. RESULTS: At 1 year, only 44.9% returned to full-time work/study status, 28.7% had a partial or modified return, and 26.4% had no return at all. In comparison with status at 6 weeks, 9.9% had lower or reduced work status. Lower ES was associated with greater injury severity, more CT scan abnormality, older age, mechanism of assault, and presence of depression, alcohol intoxication, or a psychiatric history. The multivariable model was highly significant (P < .001) and had a Nagelkerke R2 of 0.353 (35.3%). CONCLUSIONS: Employment at 1 year is poor and changes in work status are frequent, occurring in both directions. While associations with certain features may allow targeting of vulnerable individuals in future, the majority of model variance remains unexplained and requires further investigation.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».