Clinical Correlations of Posttraumatic Nightmares in Survivors of Motor Vehicle Accidents
Notice bibliographique
Résumé
Background: We evaluated the severity and clinical correlates of nightmares of persons injured in high impact motor vehicle accidents (MVAs). Method: De-identified data of 80 post-MVA patients (mean age 38.9 years, SD=12.8) were available and included scores on Item 2 of the PCL-5 (severity of repeated, disturbing dreams of the stressful event). Scores were also available on the Brief Pain Inventory (BPI), Morin’s Insomnia Severity Index (ISI), Rivermead Post-concussion Symptoms Questionnaire, Subjective Neuropsychological Symptoms Scale (SNPSS), Whiplash Disability Questionnaire, and on three questionnaire measures of driving anxiety (Steiner’s, Whetstone’s, and DAQ). The patients were assessed, on the average, 49.7 weeks (SD=36.3) after their MVA; all still experienced active post-MVA symptoms requiring therapy. Results: Clinically relevant levels of MVA nightmares were reported by 62.5% of post-MVA patients. Subjectively more aversive levels of MVA nightmares correlated with higher driving anxiety as measured by the Whetstone questionnaire and DAQ, with higher levels of average post-accident pain and insomnia, with post-accident neuropsychological symptoms as measured by the Rivermead and SNPSS, and with higher post-accident levels of depression, anger, and generalized anxiety. Discussion and Conclusions: Almost two-thirds of our post-MVA patients reported MVA nightmares and their level of subjectively aversive impact correlated with most variables within the typical polytraumatic symptom pattern of these patients.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».