What traditional neuropsychological assessment got wrong about mild traumatic brain injury. III: the added value of advanced neuroimaging
Notice bibliographique
Résumé
OBJECTIVE: Advanced neuroimaging methods have the ability to demonstrate neurobiological factors and detect potential underlying neuropathology associated with mild traumatic brain injury (mTBI), even in the absence of standard, conventional clinical computed tomography (CT) and/or magnetic resonance (MR) imaging (MRI) results. METHODS: This is Part III of a four-part series of critiques about the limitations of traditional neuropsychological methods in the clinical as well as research-based assessment of the mTBI patient. RESULTS: Part III reviews advanced quantitative image analysis methods used to examine brain structure, neural network integrity and functional connectivity following mTBI. Furthermore, this review demonstrates the relationship between symptom burden following mTBI and detecting underlying neuropathology, where traditional neuropsychological tests may reflect no impairment. Significant neuroimaging associations implicating neurobiological, pathophysiological and neuropathological underpinnings associated with mTBI may be demonstrated where traditional neuropsychological measures may be unrevealing. CONCLUSIONS: Characterizations from traditional neuropsychological measures as independent tests indicating no lasting sequelae from mTBI, especially after three-months post-injury from mTBI need to be viewed within the context of what advanced neuroimaging can demonstrate. Future directions involving the integration of advanced neuroimaging developments applicable to the mTBI patient are reviewed, especially when integrated with neuropsychological methods.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».