Alexithymia Predicts Cognitive Deficits In Patients With Idiopathic Parkinson's Disease.
Notice bibliographique
Résumé
BACKGROUND: In recent years, alexithymia has gained attention of medical researchers as a prognostic factor for serious health problems. The present study aimed to assess alexithymia as a determinant of cognitive decline in patients with Parkinson's disease.. AIM: The aim of our study is to assess the pain relief after CPN, reduction in analgesics consumption and evaluation of patient satisfaction post procedure. METHODS: Patients diagnosed with Parkinson's disease (n=60) at Bahawal Victoria Hospital, Civil Hospital Bahawalpur and Nishter Hospital Multan during May 2016 until June 2017 participated in the study. Healthy individuals (n=60) took part in the study from local community as controls. Participants completed Bermond-Vorst Alexithymia Questionnaire and Montreal Cognitive Assessment. It was a cross sectional study design. Purposive sampling technique was used and data was analysed through multivariate analysis of variance and bivariate correlation. RESULTS: Patients with Parkinson's disease (177.96±8.93) showed higher attitudes of alexithymia as compared with healthy individuals (37.46±8.01), F (1,118) = 8216.52, p<0.001, ηp2=.98. In contrast with healthy controls (28.60±0.58), patients with Parkinson's disease (2.25±.95) were cognitively impaired F (1,118) =36424.38, p<0.001, ηp2=.99. Alexithymia was a significant predictor of cognitive performance (R2=0.99, F (2, 119) = 5698.95, p<0.001). CONCLUSIONS: Alexithymia is a significant marker of cognitive decline in patients with Parkinson's disease.
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 | 0,001 |
| 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) | 0,002 | 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 ».