Cumulative Blast Exposure During a Military Career Negatively Impacts Recovery from Traumatic Brain Injury
Notice bibliographique
Résumé
Sub-concussive injuries have emerged as an important factor in the long-term brain health of athletes and military personnel. The objective of this study was to explore the relationship between service member and veterans (SMVs) lifetime blast exposure and recovery from a traumatic brain injury (TBI). A total of 558 SMVs with a history of TBI were examined. Lifetime blast exposure (LBE) was based on self-report (M = 79.4, standard deviation = 392.6; range = 0-7500) categorized into three groups: Blast Naive ( n = 121), Low LBE ( n = 223; LBE range 1-9), and High LBE ( n = 214; LBE >10). Dependent variables were the Neurobehavioral Symptom Inventory (NSI) and Post-traumatic Stress Disorder Checklist-Civilian (PCL-C) and the Traumatic Brain Injury Quality of Life (TBI-QOL). Analyses controlled for demographic factors (age, gender, and race) as well as TBI factors (months since index TBI, index TBI severity, and total number lifetime TBIs). The Blast Naive group had significantly lower NSI and PCL-C scores compared with the Low LBE group and High LBE group, with small to medium effect sizes. On the TBI-QOL, the Blast Naïve group had better quality life on 10 of the 14 scales examined. The Low LBE did not differ from the High LBE group on the PCL-C, NSI, or TBI-QOL. Blast exposure over an SMV's career was associated with increased neurobehavioral and post-traumatic stress symptoms following a TBI. The influence of psychological trauma associated with blasts may be an important factor influencing symptoms as well as the accuracy of self-reported estimates of LBE.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».