P.091 Multi-modal analysis of outcomes in pediatric mild traumatic brain injury (mTBI)
Notice bibliographique
Résumé
Background: mTBI is the most common type of head injury among children but diagnosing and managing symptoms are challenging due to heterogeneity. This study used multi-modal analysis to examine how acute mTBI symptoms transition to chronic deficits. Methods: Subjects included a cohort with mild TBI (n=40, 8-18 years old) and age/sex-matched controls (n=27). All participants received symptom assessment, neuropsychological evaluation, ERP assessment, neuroimaging, and serum cytokine analysis. Results were analyzed individually and in multi-modal models to identify important outcome predictors. Results: mTBI resulted in higher symptom burdens compared to controls. There were no group differences in measures of balance, ERP, FA, or MD. Female mTBI participants had lower CNSVS Neurocognition Index scores (p=0.0401) and faster reaction times (p=0.0385) than controls. Repetitive mTBI males had faster psychomotor speed than symptomatic mTBI males (p=0.0260). CTACK levels were higher in female mTBI groups (p= 0.0043), SCGF- levels were lower in male mTBI groups (p=0.0486), and MDC levels were lower in female mTBI groups (p=0.0377) compared to controls. Multi-modal models revealed key predictors from all modalities, despite most measures producing non-statistically significant results in individual analyses. Conclusions: Multi-modal analysis may afford the opportunity to delineate complex mTBI pathology and provide better identification of biomarkers than unimodal analysis.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».