6.10 Predictors of post-concussion disability
Notice bibliographique
Résumé
Objectives To investigate predictors of self-reported disability (Sheehan Disability Scale (SDS)) using well-validated symptom measures from our clinical dataset (Rivermead Post-Concussion Symptoms Questionnaire (RPQ) and the Sport Concussion Assessment Tool (SCAT5). To determine if the relationship between symptom severity and disability depends on current age or time since injury in weeks (TSIwk). Design This is an observational cross sectional study of patient surveys from the Concussion Ontario Network: Neuroinformatics to Enhance Clinical care and Translation (CONNECT) clinical dataset. Participants Participants for this study (N=198) were included if they met 2017 Berlin Consensus concussion criteria, ≥ 16 years old, negative imaging, proficient in English, no communication difficulties, GCS ≥ 14, and of variable chronicity. Exclusion criteria included abnormality on imaging, neurosurgical operative intervention, intubation or treatment in ICU, multisystem injuries, chronic condition of developmental delay affecting communication, and lack of trauma history as the primary event. Intervention/Outcome Measures The independent variables age, TSIwk, and RPQ total score/SCAT5 conversion (RPQT) were used in a multiple regression as predictors of the outcome measure/dependent variable SDS total score (SDST). Main Results The full regression model indicated that RPQT was a significant predictor of current disability regardless of age or chronicity (Adj. R² = 0.44, df = 3, 194 ; p<.0001; t for age, TWIwk < 0.50, p > 0.62). Conclusions These results support the clinical utility of the RPQ as a current predictor of self-reported disability in adults regardless of age or chronicity of injury.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».