Post-stroke Fatigue and Depressive Symptoms Are Differentially Related to Mobility and Cognitive Performance
Notice bibliographique
Résumé
Background: Fatigue and depressive symptoms are common and often inter-related stroke sequelae. This study investigates how they contribute, directly or indirectly, to mobility and cognitive outcomes within 6 months of stroke. Methods: Participants were recruited from 4 stroke centres in Ontario, Canada. Post-stroke fatigue was assessed using the Fatigue Assessment Scale (FAS). Depressive symptoms were screened using the Center for Epidemiological Studies Scale for Depression (CES-D). Factor analyses were used to construct scores from mobility (distance travelled during a 2-minute walk test, Chedoke-McMaster Stroke Assessment leg score [CMSA-leg], and Berg Balance Scale [BBS] total score) and cognitive (Montreal Cognitive Assessment [MoCA], Trail-Making Tests A and B, and five-word free recall) tests. Direct associations were assessed in linear regression models and indirect effects were assessed in path models. Covariates were age, sex, education, antidepressant use, days since stroke and stroke severity. Results: CES-D and FAS scores were highly correlated (r>0.51, p<0.0001). Depressive symptoms were associated with cognition (β=-0.184, p=0.04) and indirectly with mobility, mediated by fatigue (indirect effect = -0.0142, 95% CI: -0.0277 to -0.0033). Fatigue was associated with mobility (β=-0.253, p=0.01), and indirectly with cognition, mediated by depressive symptoms (indirect effect = -0.0113, 95% CI: -0.0242 to -0.0023). Conclusions: Fatigue and depressive symptoms contribute distinctly to cognitive and mobility impairments post-stroke. Fatigue was associated with poorer lower limb motor function, and with cognition indirectly via depressive symptoms.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 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 ».