A community-based case–control study of prevalence and pattern of cognitive impairments in patients with epilepsy residing in South-Eastern Nigeria
Notice bibliographique
Résumé
BACKGROUND: Epilepsy is the commonest neurological disorder encountered in Sub-Saharan Africa. The quality of life of patients with epilepsy (PWEs) is adversely affected by cognitive impairments. AIM: This study investigated the prevalence and pattern of cognitive impairments in PWE in Ukpo community located in a South-Eastern state in Nigeria using Community Screening Interview for Dementia (CSID) and a computer-assisted cognitive test battery (FePsy). METHODS AND PATIENTS: Fifty-one PWEs were studied and compared with 51 age-, sex-and level of education-matched healthy controls. Diagnosis of epilepsy was confirmed clinically with eye-witness corroboration. Sociodemographic data and information on epilepsy variables were obtained with the aid of a questionnaire. Cognitive domains assessed include language, memory, orientation, attention, psychomotor speed and constructional praxis. RESULTS: The prevalence rate of cognitive impairment using total CSID score was 19.6%. Analysis of CSID scores revealed significant impairment in language (17.6%), memory (29.4%), orientation (15.7%), attention (7.8%) and constructional praxis (15.7%) compared to healthy controls. A similar pattern was observed with FePsy but with better sensitivity indices for detecting cognitive impairment. CONCLUSION: This study indicated significant prevalence rate of cognitive impairment among treatment-naïve PWE with profound affectation of memory, mental speed and language. In addition, the FePsy was found to be more sensitive and specific in assessment of cognitive function in PWE.
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 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 | 0,002 | 0,003 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».