Three-Month Outcomes of Traumatic Brain Injury in the General Population: A Sunnybrook Traumatic Brain Injury Cohort Study
Notice bibliographique
Résumé
Traumatic brain injury (TBI) is common, disabling, and a growing public health concern. There are limited large-scale studies providing insight into factors associated with recovery in the general TBI population. Our aim was to identify factors associated with concussion/TBI symptom severity and return-to-work. We performed a prospective cohort study of concussion/TBI (predominantly mild to moderate) patients with data collected over a 20-year period (1998–2018). This is the first study presenting data from the Sunnybrook TBI (SUNTBI) cohort. Primary outcome at approximately 3-month postinjury was the Rivermead Post-Concussion Symptoms Questionnaire (RPQ), and secondary outcome was return-to-work. Outcomes were analyzed using multivariable linear regression and logistic regression models, respectively. There were 2924 TBI patients included in the study. General Health Questionnaire (GHQ), a screening measure of current psychiatric symptoms, and all its subscales (depression, anxiety, somatic, and social) ( p < 0.0001), and active litigation ( p < 0.001) were significantly associated with higher RPQ scores. Notably, factors related to injury characteristics and severity were not (e.g., injury mechanism, TBI severity, and neuroimaging abnormalities). For return-to-work, having a professional occupation ( p < 0.001) was significantly positively associated with return, while abnormal CT scan ( p = 0.001), admission to hospital ( p < 0.001), and higher GHQ score ( p < 0.001) were negatively associated. In one of the largest observational studies of general population concussion/TBI patients to date, we found that psychiatric symptoms and litigation status were significantly associated with symptoms at 3 months, while factors related to the injury severity were not. We also observed a decoupling of factors that impact symptom score outcomes from return-to-work outcomes. These results have important implications for the management of at-risk TBI subpopulations and wider public policy considerations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».