Determinants, Prevalence, and Trajectory of Long-Term Post-Stroke Cognitive Impairment: Results from a 4-Year Follow-Up of the ARCOS-IV Study
Notice bibliographique
Résumé
BACKGROUND: The long-term (>12 months) prevalence, predictors, and trajectory of post-stroke cognitive deficits are not well established, especially at a community level. This study investigated the longitudinal course and prevalence of cognitive impairment in an incidence cohort, identifying factors associated with declining cognition. METHODS: Two hundred fifty-seven participants (mean age = 67.93 ± 13.59) of first-ever stroke survivors, completed cognitive assessments within 2 weeks post stroke, and/or 1, 6, 12, and 48-month. Multivariate linear and logistic models were used to identify baseline predictors (reported as OR with 95% CI) and trajectory of cognitive impairment. RESULTS: Cognitive functioning significantly declined by 2.8 points by 4 years post stroke. Eighty-four percent of stroke survivors had cognitive impairment indicative of post-stroke dementia (mean Montreal cognitive assessment = 20 ± 4.7) at 4-year. There were significant as-sociations between progressive cognitive decline and the -following factors: male gender (OR 2.9, 95% CI 1.6-5.9, -p = 0.0171), coronary artery disease (OR 2.96, 95% CI 1.35-6.49, p = 0.0070), arrhythmia (OR 2.21, 95% CI 1.07-4.57, p = 0.0317), not in a relationship (OR 2.8, 95% CI 1.4-5.50, p < 0.0001), and not employed (OR 4.9, 95% CI 1.9-12.1, p < 0.0001). CONCLUSIONS: Cognitive deficits remain highly prevalent at 4-year post stroke. Early identification of those at higher risk of declining cognition is vital to target rehabilitation interventions at the acute stage and improve overall outcomes.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».