Exploring the link among injury severity, white matter connectivity and psychosocial outcomes in pediatric TBI: a probabilistic tractography approach
Notice bibliographique
Résumé
Aim We examined associations among injury severity, white matter structural connectivity within functionally defined brain networks and psychosocial/adaptive outcomes in children with traumatic brain injury (TBI).Method Participants included 58 youths (39 male) with complicated-mild TBI (cmTBI; n = 12, age = 12.6 ± 2.0), moderate/severe TBI (msTBI; n = 16, age = 11.4 ± 2.9) and a comparison group with orthopedic injury (OI; n = 24, age = 11.7 ± 2.1), at least 1 year post-injury. Participants underwent diffusion tensor imaging and parents rated children’s behavioral and adaptive function on the CBCL and ABAS-3, respectively. Probabilistic tractography quantified streamline density. Group differences were analyzed for structural connectivity and behavioral outcomes.Results Groups differed in structural connectivity within regions of the default mode and central executive networks (ps < .05, FDR corrected). The msTBI group displayed decreased connectivity relative to cmTBI and OI, whereas the cmTBI group displayed increased connectivity relative to msTBI and OI. Similar patterns emerged in several behavioral domains. Ordinary least squares path analyses showed that structural connectivity mediated the relationship between injury severity and multiple parent-reported outcomes for msTBI.Interpretation White matter structural connectivity may explain unique variance in long-term psychosocial and adaptive outcome in children with TBI, particularly in cases of moderate-to-severe 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 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 | 0,001 |
| 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 | 0,000 | 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 ».