Screening tools for early neuropsychological impairment after aneurysmal subarachnoid hemorrhage
Notice bibliographique
Résumé
BACKGROUND: Although most aneurysmal subarachnoid hemorrhage (aSAH) patients suffer from neuropsychological disabilities, outcome estimation is commonly based only on functional disability scales such as the modified Rankin Scale (mRS). Moreover, early neuropsychological screening tools are not used routinely. OBJECTIVE: To study whether two simple neuropsychological screening tools identify neuropsychological deficits (NPDs), among aSAH patients categorized with favorable outcome (mRS 0-2) at discharge. METHODS: We reviewed 170 consecutive aSAH patients that were registered in a prospective institutional database. We included all patients graded by the mRS at discharge, and who had additionally been evaluated by a neuropsychologist and/or occupational therapist using the Montreal Cognitive Assessment (MoCA) and/or Rapid Evaluation of Cognitive Function (ERFC). The proportion of patients with scores indicative of NPDs in each test were reported, and spearman correlation tests calculated the coefficients between the both neuropsychological test results and the mRS. RESULTS: Of the 42 patients (24.7%) that were evaluated by at least one neuropsychological test, 34 (81.0%) were rated mRS 0-2 at discharge. Among these 34 patients, NPDs were identified in 14 (53.9%) according to the MoCA and 8 (66.7%) according to the ERFC. The mRS score was not correlated with the performance in the MoCA or ERFC. CONCLUSION: The two screening tools implemented here frequently identified NPDs among aSAH patients that were categorized with favorable outcome according to the mRS. Our results suggest that MoCA or ERFC could be used to screen early NPDs in favorable outcome patients, who in turn might benefit from early neuropsychological rehabilitation.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».