Factors associated with unfavorable outcomes in older patients with traumatic brain injury: analysis from the “All of Us” research program
Notice bibliographique
Résumé
Traumatic brain injury (TBI) afflicts approximately 70 million people worldwide annually, with patients aged 65 years and older accounting for an increasing proportion of TBI patients. Older patients also experience increased morbidity and mortality post-TBI compared to their younger counterparts. Nevertheless, clinical trials often exclude older TBI patients, and age-specific TBI treatment is lacking. We hypothesized that the APOE genotype and age-associated comorbidities, such as heart disease, are associated with unfavorable outcomes following TBI in older patients. We utilized a dataset from the “All of Us research” (AoU) to study this vulnerable population post-TBI. Launched by the National Institutes of Health (NIH), AoU is a nationwide prospective cohort study aiming to enroll 1 million or more individuals by emphasizing traditionally underrepresented populations in the United States. We defined patients diagnosed with post-concussion syndromes (PCS) as those with unfavorable TBI outcomes, and we also assessed the associations between PCS observed in older patients and different comorbidities variables/APOE genotypes via multiple logistic regression models. Consequently, APOE ε4 allele was strongly associated with PCS in patients aged 65 and older. Our findings provide direct evidence for developing better predictive tools and potentially improving the clinical guidance and management of older adults with TBI.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».