Development and Validation of a Novel Multimodal Exertional Test for Concussion Assessment
Notice bibliographique
Résumé
Concussion management is consistently evolving, with exertional testing playing an increasingly important role in return-to-sport decisions. The purpose of this thesis was to develop, evaluate, and implement a multimodal exertional test (MET) to support clinical decision making in concussion care. The first study focused on the development and pilot testing of a structured four-stage, twelve-task MET that progressively increased in complexity: Stage 1) introduced cardiovascular load, Stage 2) incorporated head acceleration, Stage 3) added cognitive tasks, and Stage 4) involved balance and multi-plane movements. Pilot testing with healthy athletes demonstrated that the MET elicited appropriate increases in heart rate, without provoking symptoms, suggesting the MET is both physiologically demanding and well-tolerated. The second study assessed the test-retest reliability of the MET in healthy athletes across two sessions. Results indicated good reliability across symptom reporting, physiological responses, and performance metrics. Improvements in certain task completion times were observed in the second session, likely reflecting learning effects. The third and final study examined the validity and prognostic ability of the MET by comparing performance between healthy athletes and athletes with concussion. Athletes with concussion reported greater symptom provocation and were more likely to fail in completing all tasks, whereas all healthy athletes completed the MET without symptom exacerbation. Additionally, based on MET performance during the first week of injury, athletes with concussion who successfully passed all twelve tasks had a shorter recovery length in comparison to athletes who failed. Altogether, these studies provided the foundational evidence supporting the MET as a reliable, valid, and feasible tool for clinical concussion assessment. The MET offers a structured and scalable approach to exertional testing and may aid in the readiness to return-to-sport, advancing best practices in concussion management.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».