Interventions to Improve Cognitive Outcomes in Older Adults with Traumatic Brain Injury and Association Between Social Determinants of Health and Intervention Effectiveness: A Scoping Review
Notice bibliographique
Résumé
Background: At least one million Canadians are at risk of experiencing a traumatic brain injury (TBI) in later life, which can lead to cognitive decline. We identified interventions studied to improve cognitive outcomes in older adults with TBI, and examined how social determinants of health (SDoH) may influence their effectiveness. Methods: We followed JBI guidance and searched five electronic databases from inception until March 2023 for studies evaluating the clinical and cost effectiveness, and safety of interventions being studied to improve cognitive outcomes in older adults with TBI. We abstracted SDoH following the PROGRESS-Plus framework. Results: We included 20 studies and 44,462 predominantly men/male (65%) participants with a mean age of 65.9 years; studies reported 51 cognitive outcomes. Three studies reported on race or ethnicity, eight studies reported on education, and no studies differentiated gender from sex. No studies reported on the association between SDoH and intervention effectiveness. We did not identify any economic evaluations. We classified 10 interventions into four categories: non-pharmacologic cognitive strategies (number of studies [n]=16), medications (n=1), non-invasive procedures (n=2), and invasive procedures (n=1). Invasive procedures and non-pharmacologic cognitive strategies had a statistically significant positive effect on cognitive measures in one and seven studies, respectively. Non-invasive procedures (n=2) did not have significant cognitive effects. Use of hypnotics (benzodiazepines and non-benzodiazepines) was significantly associated with a shorter time to incident dementia in one study. Conclusion: Non-pharmacologic cognitive strategies were the most-studied interventions for improving cognitive outcomes in older adults with TBI. Future research should better integrate a health equity lens and standardize outcome measurement.
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 | 0,017 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».