MétaCan
Menu
Retour à la cohorte
Enregistrement W2787056839 · doi:10.17116/jnevro201711712219-24

The role of pre-stroke cognitive disorders in the formation of post-stroke cognitive impairment

2017· article· en· W2787056839 sur OpenAlexaboutno aff
Е. А. Коваленко, А Н Боголепова, D.A. Katunin

Notice bibliographique

RevueS S Korsakov Journal of Neurology and Psychiatry · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurological Disorders and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMontreal Cognitive AssessmentStroke (engine)CognitionCognitive impairmentNeuropsychologyInternal medicineHeart failureIschemic strokeCardiologyPhysical medicine and rehabilitationPhysical therapyPsychiatryIschemia

Résumé

récupéré en direct d'OpenAlex

AIM: To identify pre-stroke cognitive disorders and assess their influence on the post-stroke neuropsychological status of the patient. MATERIAL AND METHODS: The study included 103 patients in an acute state of ischemic stroke in the carotid system. Cognitive functions were assessed with MoCA and IQCODE. All patients are evaluated for the presence of vascular risk factors and their relationship to the cognitive impairment. RESULTS AND CONCLUSION: According to the MoCA, 89 (86.4%) patients in the acute state of ischemic stroke had cognitive impairment of varying severity. Out of 103 patients, 55 (53.4%) had cognitive impairment prior to onset of stoke, mostly of mild severity. Among the main risk factors that correlated with the presence of pre-stroke cognitive impairment were age, heart rhythm disturbances and heart failure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,322

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,268
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueS S Korsakov Journal of Neurology and PsychiatryMême sujetNeurological Disorders and TreatmentsTravaux en français237 207