Prevalence of Post-Stroke Cognitive Impairment in China: A Community-Based, Cross-Sectional Study
Notice bibliographique
Résumé
International hospital-based studies have indicated a high risk of cognitive impairment after stroke, evidence from community-based studies in China is scarce. To determine the prevalence of post-stroke cognitive impairment (PSCI) and its subtypes in stroke survivors residing in selected rural and urban Chinese communities, we conducted a community-based, cross-sectional study in 599 patients accounting for 48% of all stroke survivors registered in the 4 communities, who had suffered confirmed strokes and had undergone cognitive assessments via the Montreal Cognitive Assessment (MoCA), Mini-Mental State Examination (MMSE), and Hachinski Ischemia Scale (HIS). Detection of PSCI was based on scores in these neuropsychological scales. Factors potentially impacting on occurrence of PSCI were explored by comparing demographic characteristics, stroke features, and cardiovascular risk factors between patients with and without PSCI. The overall prevalence of PSCI was 80.97% (95%CI: 77.82%-84.11%), while that of non-dementia PSCI (PSCI-ND) and post-stroke vascular dementia (PSD) was 48.91% (95%CI: 44.91%-52.92%) and 32.05% (95%CI: 28.32%-35.79%), respectively. Prior stroke and complications during the acute phase were independent risk factors for PSCI. The risk of recurrent stroke survivors having PSCI was 2.7 times higher than for first-episode survivors, and it was 3 times higher for those with complications during the acute phase than for those without. The higher prevalence of PSCI in this study compared with previous Chinese studies was possibly due to the combined effects of including rural stroke survivors, a longer period from stroke onset, and different assessment methods. There is an urgent need to recognize and prevent PSCI in stroke patients, especially those with recurrent stroke and complications during the acute phase.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».