Prediction of Mental Health Complications Following Mild Traumatic Brain Injury
Notice bibliographique
Résumé
Prognostic models can support prevention of mental health complications after mild traumatic brain injury (mTBI). The present study aimed to identify risk factors and develop prognostic model(s) for mental health complications following mTBI. This secondary analysis of data from a randomized controlled trial included 513 adults presenting to emergency departments/urgent care centers. Candidate predictors were demographic, injury-related and health history information collected during medical chart review and eligibility screening, and scores on questionnaires completed at 2 weeks postinjury. The primary outcome was presence/absence of new or worsened major depressive disorder, anxiety disorders, and post-traumatic stress disorder (PTSD), determined with a structured psychodiagnostic interview (Mini International Neuropsychiatric Interview) at 3 and 6 months after mTBI. Logistic regression assessed the prognostic value of 22 pre-, peri-, and early postinjury factors. Least absolute shrinkage and selection operator (LASSO) was used to select predictors in prognostic model development. Younger age, identifying as a person of color, prior mTBI(s), maladaptive illness perceptions, and greater PTSD, and depression and anxiety symptom severity measured at 2 weeks postinjury were significant predictors of new/worsened mental health complications 3-6 months following mTBI. A comprehensive model (with 9 LASSO-selected predictors) showed strong discriminability for predicting mental health complications (optimism-corrected area under the receiver operating characteristic curve [AUC] = 0.80), outperforming a basic model that included only variables commonly collected as part of usual clinical care (optimism-corrected AUC = 0.71). Certain pre-injury and demographic characteristics are associated with increased risk of mental health complications after mTBI. Assessing for early postinjury illness beliefs and psychological symptoms can further improve prognostic accuracy.
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 | 0,010 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».