Intimate partner distress is strongly associated with worse warfighter brain health following mild traumatic brain injury.
Notice bibliographique
Résumé
OBJECTIVE: To examine (a) change in chronic neurobehavioral symptoms in service members/veterans (SMVs) with an uncomplicated mild traumatic brain injury (MTBI) at two time points over 3 years and (b) the influence of intimate partner (IP) health-related quality of life (HRQOL) risk factors for chronic neurobehavioral symptoms. METHOD: = 175) completed measures of SMV neurobehavioral adjustment symptoms and 13 IP HRQOL risk factors at Time 1 (T1) ≥ 12 months post-TBI and Time 2 (T2) 3 years later. Scores on the risk factor measures were classified into four IP HRQOL symptom trajectory categories based on clinically elevated (≥ 60 T) symptoms: (a) persistent (T1 + T2 ≥ 60T), (b) developed (T1 < 60T + T2 ≥ 60T), (c) improved (T1 ≥ 60T + T2 < 60T), and (4) asymptomatic (T1 + T2 < 60T). RESULTS: There was little change in mean SMV adjustment scores or the percentage of clinically elevated scores from T1 to T2. The percentage of clinically elevated adjustment scores was 30% at T1 and T2; 14.3% at T1 only; and 5.7% at T2 only. The IP HRQOL symptom trajectories had a stronger effect on mean SMV adjustment than within-group change in adjustment, which was largely driven by the persistent and asymptomatic IP HRQOL categories. The strongest effects were found for caregiving and social HRQOL risk factors, followed by psychological, and then physical HRQOL risk factors. CONCLUSION: A range of clinically elevated IP HRQOL constructs emerged as long-term risk factors for chronic neurobehavioral symptoms in SMVs post-MTBI. More attention to the role that family distress has on poor warfighter recovery and return to duty following an MTBI is 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 | 0,016 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 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 ».