Risk factors for the presence and persistence of posttraumatic stress symptoms following traumatic brain injury in U.S. service members and veterans
Notice bibliographique
Résumé
This study aimed to identify risk factors predictive of the presence and persistence of posttraumatic stress disorder (PTSD) symptom reporting following traumatic brain injury (TBI). Participants were 1,301 U.S. service members and veterans (SMVs) divided into four groups: uncomplicated mild TBI (mTBI; n = 543); complicated mild, moderate, severe, and penetrating TBI (n = 230); injured controls (n = 340); and noninjured controls (n = 188). We examined 25 factors related to demographic, injury-related, military-specific, treatment/health care need, and mental health/social support variables. Seven factors were statistically associated with the presence of DSM-IV-TR symptom criteria for PTSD: premorbid IQ, combat exposure, depression, social participation, history of mTBI, need for managing mood and stress, and need for improving memory and attention, p < .001 (51.3% variance). When comparing the prevalence of these risk factors in a longitudinal cohort (n = 742) across four PTSD trajectory groups (i.e., asymptomatic, improved, developed, persistent), a higher proportion of participants in the persistent PTSD group reported worse depression, a lack of social participation, and history of mTBI. Additionally, a higher proportion of participants in the persistent and developed PTSD groups reported the need for managing mood/stress and improving memory/attention. When considered simultaneously, the presence of ≥ 1 or ≥ 2 risk factors was associated with a higher proportion of participants in the developed and persistent PTSD groups, ps < .001. These risk factors may be useful in identifying SMVs at risk for the development and/or persistence of PTSD symptoms who may need intervention.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».