Family risk factors are related to warfighter brain health: A dyad study.
Notice bibliographique
Résumé
PURPOSE/OBJECTIVE: This study aimed to explore family risk factors for chronic neurobehavioral symptoms in service members and veterans (SMVs) with traumatic brain injury (TBI). RESEARCH METHOD/DESIGN: = 72) completed 13 family risk factor measures assessing physical, psychological, and social health, and family functioning. The number of neurobehavioral measures that were clinically elevated (≥ 60T) were summed and used to classify SMVs into three outcome groups: (a) none/few symptoms (0-1 elevated scores), (b) several symptoms (2-3 elevated scores), and (c) many symptoms (4-8 elevated scores). RESULTS: SMVs in the many symptoms group had family members with significantly higher scores on nine family risk factor measures compared to family members of SMVs in the none/few symptoms group and two family risk factors compared to family members of SMVs in the several symptoms group. SMVs in the several symptoms group had family members with higher scores on three risk factor measures compared to family members of SMVs in the none/few symptoms group. Family member Anger was the most significant predictor of the total number of SMV elevated scores followed by family functioning, together accounting for 26.9% of the variance. CONCLUSIONS/IMPLICATIONS: An important and unique addition to the literature was the finding that a range of risk factors in the warfighter's family environment were strongly associated with clinically elevated chronic neurobehavioral symptoms following a TBI of any severity. More attention to the well-being of family members and their role in warfighter recovery and return to duty following a TBI are required. (PsycInfo Database Record (c) 2026 APA, all rights reserved).
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».