A remote health intervention to reduce impairing post-concussional mild-to-moderate symptoms in adults (GAIN Lite): Study protocol for a parallel group randomised trial
Notice bibliographique
Résumé
Abstract Background: Mild traumatic brain injury, commonly known as concussion, has been estimated to be around 600 per 100.000 yearly in Denmark, and 30-50 million new cases worldwide. Although complete resolution normally occurs within a few weeks, up to a third develop persistent post-concussion symptoms (PPCS) beyond 3 months. However, evidence for effective treatment strategies is scarce. The objective of this study is to evaluate the efficacy of the novel intervention GAIN Lite added to enhanced usual care (EUC) for adults with mild-to-moderate PPCS compared to EUC only. Methods: An open-label, parallel-group, two-arm randomized controlled superiority trial (RCT) with 1:1 allocation ratio. Participants will be randomly assigned to either: 1) EUC or; 2) GAIN Lite added to EUC. GAIN Lite is characterized as a complex intervention and has been developed, feasibility-tested, and process evaluated before effect evaluation in the RCT. Sixty-six participants will be recruited to each group. Potential participants will be identified through the hospital's Business Intelligence portal of the Central Denmark Region or referred by general practitioners within 2-4 months post-concussion. Primary outcomes are mean changes in PPCS and limitations in daily life from baseline to 24 weeks after baseline Discussion: GAIN Lite is a low-intensity intervention for adults with mild-to-moderate PPCS. Offering a remote intervention may improve access to rehabilitation and prevent chronification for individuals with mild-to-moderate PPCS. Moreover, GAIN Lite will facilitate access to healthcare, especially for those with transportation barriers. Overall, GAIN Lite may provide an accessible, flexible, and convenient way to receive treatment based on sound theories and previous evidence of effective interventions for adults with mild-to-moderate PPCS. Trial Registration: URL: ClinicalTrials.gov Identifier:NCT05233475. Registered on 10th of February 2022.
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 | 0,020 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,010 | 0,006 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,075 | 0,012 |
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 ».