Effects of Pediatric Traumatic Brain Injury on Verbal IQ: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract Objectives: To examine the effects of pediatric traumatic brain injury (TBI) on verbal IQ by severity and over time. Methods: A systematic review and subsequent meta-analysis of verbal IQ by TBI severity were conducted using a random effects model. Subgroup analysis included two epochs of time (e.g., <12 months postinjury and ≥12 months postinjury). Results: Nineteen articles met inclusion criteria after an extensive literature search in MEDLINE, PsycInfo, Embase, and CINAHL. Meta-analysis revealed negative effects of injury across severities for verbal IQ and at both time epochs except for mild TBI < 12 months postinjury. Statistical heterogeneity (i.e., between-study variability) stemmed from studies with inconsistent classification of mild TBI, small sample sizes, and in studies of mixed TBI severities, although not significant. Risk of bias on estimated effects was generally low (k = 15) except for studies with confounding bias (e.g., lack of group matching by socio-demographics; k = 2) and measurement bias (e.g., outdated measure at time of original study, translated measure; k = 2). Conclusions: Children with TBI demonstrate long-term impairment in verbal IQ, regardless of severity. Future studies are encouraged to include scores from subtests within verbal IQ (e.g., vocabulary, similarities, comprehension) in addition to functional language measures (e.g., narrative discourse, reading comprehension, verbal reasoning) to elucidate higher-level language difficulties experienced in this population.
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 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,033 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».