Trajectory Based Classification of Recovery In Sensorimotor Complete Traumatic Cervical Spinal Cord Injury – Individual Recovery Trajectory Data
Notice bibliographique
Résumé
Objective To test the hypothesis that sensorimotor complete traumatic cervical spinal cord injury is a heterogenous clinical entity comprising several subpopulations that follow fundamentally different trajectories of neurological recovery. Methods We analyzed demographic and injury data from 655 patients who were pooled from four prospective longitudinal multicenter studies. Group based trajectory modeling was applied to model neurological recovery trajectories over the initial 12-months postinjury and to identify predictors of recovery trajectories. Neurological outcomes included: Upper Extremity Motor Score, Total Motor Scores and AIS grade improvement. Results The analysis identified three distinct trajectories of neurological recovery. These clinical courses included: (1) Marginal recovery trajectory: characterized by minimal or no improvement in motor strength or change in AIS grade status (remained grade A); (2) Moderate recovery trajectory: characterized by low baseline motor scores that improved approximately 13 points; or AIS conversion of one grade point; (3) Good recovery trajectory: characterized by baseline motor scores in the upper quartile that improved to near maximum values within three months of injury. Patients following the moderate or good recovery trajectories were of younger age, had more caudally located injuries, a higher degree of preserved motor and sensory function at baseline examination and exhibited a greater extent of motor and sensory function in the zone of partial preservation. Conclusion Cervical complete SCI can be classified into one of three distinct subpopulations with fundamentally different trajectories of neurological recovery. This study defines unique clinical phenotypes based on potential for recovery, rather than baseline severity of injury alone. This approach may prove beneficial in clinical prognostication and in the design and interpretation of clinical trials in SCI.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».