Optimal movement behaviours for postconcussion symptom recovery in children and adolescents: a compositional analysis of the PedCARE cohort
Notice bibliographique
Résumé
OBJECTIVE: Optimal balances of sedentary behaviour, physical activity and sleep (collectively termed movement behaviours) for concussion management remain unknown. We sought to determine the optimal daily distribution of movement behaviours for reducing postconcussion symptom burden in children and adolescents. METHODS: This secondary analysis of the Paediatric Concussion Assessment of Rest and Exertion (PedCARE) study included participants aged 10 to <18 years with an acute concussion (>48 hours of presenting to emergency department). Health and Behaviour Inventory (HBI) concussion symptoms were measured at a 2-week post-emergency department follow-up. Persisting symptoms after concussion (PSAC) were classified through reliable change in total HBI scores. Movement behaviours were measured with accelerometers over 13 days. For each day of movement behaviours, compositional regression models were built to determine the optimal daily movement behaviours for predicting HBI scores and PSAC probability. RESULTS: Analyses included 259 participants (45% female, mean age 13.3 years). Compared with the average, movement behaviours associated with optimal postconcussion outcomes followed a trend of initially more rest (eg, day 2: 11.5 (95% CI 8.8 to 12.7) hours/day of sleep and 8.5 (95% CI 6.5 to 11.3) hours/day sedentary). Optimal patterns also included above-average moderate-to-vigorous physical activity across the 13 days (eg, days 2, 7, 13:0.6 (95% CI 0.2 to 1.2), 1.5 (95% CI 1.2 to 1.7), 1.1 (95% CI 0.2 to 1.7) hours/day, respectively), with increased light physical activity emerging as optimal later in recovery (eg, day 10:5.5 (95% CI 5.0 to 5.8) hours/day). CONCLUSIONS: This is the first study to use compositional data analyses to identify an optimal distribution of movement behaviours for concussion symptom recovery in children and adolescents. Our results can inform concussion management protocols that balance rest and activity throughout recovery.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».