P.185 Impact-detecting helmets as indicators of concussion and blood brain barrier integrity in university football players
Notice bibliographique
Résumé
Background: Repetitive sub-concussive head impacts have been associated with changes in brain architecture and neurological symptoms. In this study, we examined the association between repetitive sub-concussive impacts, impact burden, and blood brain barrier (BBB) integrity in university football players. Methods: 59 university football players were followed over the 2019 season. Athletes with diagnosed concussion and those sustaining impacts that alerted a sideline impact monitor (relayed by ferroelectric helmet sensors) underwent dynamic contrast-enhanced MRI (DCE-MRI) within one week of injury/alert, and 4 weeks following initial incident. Results: Helmets recorded 2648 impacts over 48 cumulative hours. 8 concussions occurred during the 2019 season (2.82 per 1000 activity hours). On average, athletes with a diagnosed concussion had 55.3 impacts to the front sensor, compared to 14.1 in non-concussed athletes. Athletes who consented to DCE-MRI (n=5) had 10.78% BBB-D within a week of concussion/alert, and 6.77% BBB-D at 4-weeks. Conclusions: We show quantification of BBB integrity relative to head impact burden for the first time. This preliminary study highlights the potential of impact-detecting helmets to provide relevant impact characteristics and offers a foundation for future work on neurological consequences of repetitive sub-concussive impacts.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,005 | 0,001 |
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 ».