Analysis of Discourse Production to Assess Cognitive Communication Deficits Following Mild Traumatic Brain Injury With and Without Posttraumatic Stress
Notice bibliographique
Résumé
Purpose: Cognitive communication deficits can be difficult to assess in individuals with mild traumatic brain injury (mTBI). However, the use of discourse analysis as a direct and sensitive metric of cognitive communication skills has shown promising clinical utility for other TBI severity levels. This exploratory study investigated discourse production in service members and veterans (SMVs) with uncomplicated mTBI with and without posttraumatic stress disorder (PTSD) and SMVs with neither mTBI or PTSD. Method: Fifteen SMVs with mTBI and PTSD, 26 with mTBI, and 25 controls with no brain injury (NBI) and without PTSD were given a wordless picture story to elicit spontaneous discourse. Discourse samples were analyzed for global coherence, word count, the use of negative emotion words, cognitive process words, nonfluencies, and story completeness. Results: Results revealed a significant difference between the mTBI ( Mdn = 3.33) and NBI ( Mdn = 3.50) groups, χ 2 (3) = 6.044, p = .017, ε 2 = .03, for global coherence. Word count differed significantly between the mTBI + PTSD ( Mdn = 135) and NBI ( Mdn = 195) groups, χ 2 (3) = 7.968, p = .006, ε 2 = .06. No other group differences were observed. Discussion: Structural features of discourse production may serve as potential markers of cognitive communication deficits in mTBI. Furthermore, PTSD may contribute to verbal fluency deficits in individuals with mTBI. Additional research is needed to develop discourse-related measures that are more sensitive to the effects of mTBI and PTSD.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».