Post-Stroke Cognitive Impairment: High Prevalence and Determining Factors in a Cohort of Mild Stroke
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Because of the aging population and a rise in the number of stroke survivors, the prevalence of post-stroke cognitive impairment (PSCI) is increasing. OBJECTIVE: To identify the factors associated with 3-month PSCI. METHODS: All consecutive stroke patients without pre-stroke dementia, mild cognitive disorders, or severe aphasia hospitalized in the Neurology Department of Dijon, University Hospital, France (November 2010 - February 2012) were included in this prospective cohort study. Demographics, vascular risk factors, and stroke data were collected. A first cognitive evaluation was performed during the hospitalization using the Mini-Mental State Exam (MMSE) and the Montreal Cognitive Assessment (MOCA). Patients assessable at 3 months were categorized as cognitively impaired if the MMSE score was ≤26/30 and MOCA <26/30 or if the neuropsychological battery confirmed PSCI when the MMSE and MOCA were discordant. Multivariable logistic models were used to determine factors associated with 3-month PSCI. RESULTS: Among the 280 patients included, 220 were assessable at 3 months. The overall frequency of 3-month PSCI was 47.3%, whereas that of dementia was 7.7%. In multivariable analyses, 3-month PSCI was associated with age, low education level, a history of diabetes mellitus, acute confusion, silent infarcts, and functional handicap at discharge. MMSE and MOCA scores during hospitalization were associated with 3-month PSCI (OR = 0.63; 95% CI: 0.54-0.74; p < 0.0001 and OR = 0.67; 95% CI: 0.59-0.76; p < 0.0001, respectively). CONCLUSION: Our study underlines the high frequency of PSCI in a cohort of mild stroke. The early cognitive diagnosis of stroke patients could be useful by helping physicians to identify those at a high risk of developing PSCI.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle