Identifying mild traumatic brain injury in the post-acute polytrauma setting: a scoping review of diagnostic approaches and screening tools
Notice bibliographique
Résumé
OBJECTIVE: Mild traumatic brain injury (mTBI) is frequently overlooked in polytrauma patients due to the overshadowing of more severe injuries, a fact that makes its identification in post-acute settings challenging since symptoms overlap with other conditions and no validated diagnostic tools exist. To address this gap, this scoping review explored the literature on mTBI diagnosis in post-acute civilian polytrauma settings. METHODS: By utilizing the Arksey and O'Malley framework and PRISMA-ScR guidelines, the review focused on studies from 2010 to 2024 related to delayed mTBI diagnosis in adults. Of the 696 studies identified, only six met the inclusion criteria, highlighting the limited research in this area. RESULTS: The review assessed various diagnostic tools including the Rivermead Post-Concussion Symptoms Questionnaire (RPQ), neuropsychological tests, advanced imaging, and oculomotor assessments. However, these tools are limited in their ability to confirm whether an mTBI has occurred. The American Congress of Rehabilitation Medicine's updated mTBI criteria may offer the best diagnostic potential but require validation. CONCLUSION: According to the findings, there is a significant gap in validated diagnostic tools for mTBI in post-acute settings, which may negatively affect patient outcomes. Developing and validating effective screening tools for mTBI in the post-acute polytrauma setting should be the priority of future research in this area.
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 | 0,009 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».