Impact of posttraumatic stress disorder and depressive symptoms on quality of life in adolescents after general traumatic injury
Notice bibliographique
Résumé
Abstract Posttraumatic stress disorder (PTSD) and depressive symptoms have been associated with poorer health‐related quality of life in adolescents after general traumatic injuries; few studies have examined the broader construct of postinjury quality of life (QOL). We evaluated the impact of traumatic injury on adolescent QOL and examined factors that potentially contribute to poorer outcomes, using the Youth Quality of Life Instrument–Research Version as the outcome measure. Data were collected within 30 days postinjury and 2, 5, and 12 months postinjury. Mixed‐model regression (MMR) was used for the main analyses. Participants ( N = 204) were drawn from a prospective cohort study of 12–18‐year‐olds admitted to a Level 1 trauma center ( n = 108) and healthy participants from a local cross‐sectional study ( n = 116); study group participants were significantly older. The initial MMR indicated that female adolescents had significantly lower QOL, B = −2.69, 95% CI [−4.68, −0.70], and were more likely to score above the cutoffs for PTSD (19.1% vs. 2.0%), χ 2 (1, N = 381) = 34.6, p < .001, or depression (32.8% vs. 14.0%), χ 2 (1, N = 381) = 18.7, p < .001, on post hoc analyses. Adolescents with mental health conditions in the year postinjury had significant QOL deficits without predicted improvements toward baseline, PTSD: B = −10.05, 95% CI [−15.29, −4.81]; depression: B = −18.00, 95% CI [−21.69, −14.31]. These findings highlight the importance of ongoing mental health monitoring and care for adolescents, particularly female adolescents, following traumatic injury even when physical recovery appears complete.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».