State anxiety predicts cognitive performance in patients with Parkinson’s disease.
Notice bibliographique
Résumé
OBJECTIVE: Anxiety is common in Parkinson's disease (PD) and frequently a comorbidity that appears alongside nonmotor symptoms such as cognitive deficits; however, the relationship between anxiety and cognition in PD remains poorly understood. The aim of this study was to investigate the relationship between anxiety and specific cognitive domains (e.g., attention/working memory, executive functions, memory, language, and visuospatial function). METHOD: A total of 48 individuals with PD and 18 healthy controls were assessed using the State Trait Anxiety Inventory along with a comprehensive neuropsychological battery. Hierarchical multiple regression analysis was used to examine whether trait and/or state anxiety predicted deficits in overall cognitive function (Montreal Cognitive Assessment) and/or specific individual cognitive domains in the PD and healthy control samples while controlling for covariates such as age, depression (Geriatric Depression Scale), and Unified Parkinson's disease Rating Scale motor-subsection-III (PD only). RESULTS: Results showed that state anxiety in PD significantly predicted performance across an array of cognitive domains, such as attention/working memory, executive functioning, memory, and language, whereas trait anxiety was a predictor only for executive functioning. In contrast, there was no significant relationship between state anxiety and visuospatial ability Conclusions: Overall, these findings highlight that performance in particular cognitive domains are associated with anxiety in PD. Thus, it may be critically important to consider and quantify the contribution of anxiety to cognitive performance when diagnosing and treating dementia and/or mild cognitive impairments in PD. (PsycINFO Database Record (c) 2018 APA, all rights reserved).
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 | 0,000 | 0,003 |
| 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) | 0,001 | 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 ».