A Longitudinal Evaluation of Cognitive Fatigue on a Task of Sustained Attention in Early Relapsing-Remitting Multiple Sclerosis
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: Cognitive fatigue can be objectively measured on tasks of sustained attention and can be defined as decreased performance as a result of sustained cognitive effort. Individuals with multiple sclerosis (MS) early in their disease are vulnerable to cognitive fatigue, although this has yet to be evaluated longitudinally. We aimed to evaluate cognitive fatigue over a 3-year interval in individuals with early-phase relapsing-remitting MS (RRMS). The sensitivity of the Paced Auditory Serial Addition Test (PASAT) at detecting cognitive fatigue was evaluated, as was the impact of scoring method. METHODS: 32 people with MS and 32 controls completed the 3- and 2-second PASAT (PASAT-3″ and -2″) as a measure of sustained attention at baseline and 3-year follow-up. RESULTS: Performance on the PASAT remained stable across time, with improvement noted on the PASAT-2″ likely due to practice and the small sample size. Cognitive fatigue was noted at both times, although sensitivity varied based on scoring method. No evidence of worsening cognitive fatigue was noted over time. The MS group performed worse only when cognitive fatigue was the outcome variable. CONCLUSIONS: Although individuals with MS continue to be vulnerable to cognitive fatigue at follow-up, severity does not seem to increase with time. Cognitive fatigue may be a more sensitive marker of cognitive impairment than overall task performance in those with early-phase RRMS, which has important implications given that clinically only task performance is typically assessed.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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