9.17 Scat symptom reporting and mental health screening in collegiate athletes
Notice bibliographique
Résumé
Objective To evaluate the relationship between subjective mood symptoms on the SCAT and more comprehensive mental health screening measures during baseline testing. Design Retrospective cross-sectional design. Setting Baseline concussion evaluations at a Canadian university. Participants 248 Consented participants (n = 164 males and 86 females) who underwent baseline screening evaluations. Interventions (or Assessment of Risk Factors) Athletes completed the Sport Concussion Assessment Tool (SCAT3), the Brief Symptom Inventory (BSI-18) and Patient-Reported Outcomes Measurement Information System (PROMIS-29) to determine how well SCAT3 mood symptoms predicted broader measures of depression and anxiety. Outcome Measures correlation and regression analysis. Main Results Of the 4 individually rated SCAT3 symptoms of mood, ‘sadness’ was most strongly correlated with the depression indexes of the BSI-18 [r(246) = 0.47, p < 0.01)] and PROMIS-29 [r(246) = 0.46, p < 0.01)]. Regression analyses suggests sadness best explained the greatest variance in the depression index scores from the BSI-18 [F(4, 238) = 20.6, p < .01, R2 = .26, R2Adjusted = .25) and PROMIS-29 [F(4, 238) = 31.6, p < .01, R2 = .35, R2Adjusted = .34). Similar significant findings were noted for the symptom of ‘nervousness’ on the anxiety index scores of the BSI-18 and PROMIS-29. Conclusions Subjective symptom on the SCAT 3, specifically ‘sadness’ and ‘nervousness’ appear to reasonably predict more comprehensive ratings of depression and anxiety. This information may help clinicians identify athletes who may be dealing with mental health issues when more comprehensive questionnaires are not available.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».