Longitudinal modeling of health-related quality of life trajectories over 12 months following road trauma
Notice bibliographique
Résumé
INTRODUCTION: This study identified the potential phases of health-related quality of life (HRQoL) change over a year following road trauma (RT) injury, as well as its predictors. METHODS: This inception cohort study recruited 1480 Canadian RT survivors from July 2018 to March 2020. HRQoL outcome was assessed with the 5-level version of the EuroQol (EQ-5D-5L) instrument at baseline (pre-injury) and at 2, 4, 6, and 12 months post-injury. Predictors of HRQoL included sociodemographic, psychological, medical, and trauma-related factors collected at baseline. We applied generalized additive mixed models to flexibly capture nonlinear changes in HRQoL over time, and piecewise latent growth curve model to analyze distinct linear phases of recovery across defined time intervals. RESULTS: The estimated trajectory of EQ-5D-5L summary and EQ-VAS scores were lower than baseline at 2-months (phase 1), and then increased (phase 2), but did not return to baseline values at 12-months. White ethnicity, higher somatic symptom, pain catastrophizing, and use of medication pre-injury were associated with lower pre-injury EQ-5D-5L summary and EQ-VAS scores. Phase 1 EQ-5D-5L decreases were associated with female sex, no pre-existing body complaints, lack of expectation for a fast recovery, higher ISS, higher injury pain, and neck, spine/back, upper extremity, or lower extremity injuries. Phase 1 EQ-VAS decreases were associated with female sex, lower somatic symptom, fewer comorbidities, lack of expectation for a fast recovery, higher ISS, higher injury pain, neck, spine/back or lower extremity injuries. In phase 2, EQ-5D-5L summary improved most in participants with higher education levels and longer recovery expectations; EQ-VAS improved most in cyclists and patients with longer recovery expectations. CONCLUSIONS: Clinicians should assess and address patients' recovery expectations early in the care process, as these may significantly influence long-term HRQoL outcomes. Incorporating strategies to support realistic yet positive expectations, such as cognitive-behavioral therapy, structured patient education, and goal-setting programs, may improve recovery experiences. In addition, identifying patients with high pain, or specific injury types may help target early interventions to those at risk of poor HRQoL trajectories.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».