Factors for cognitive impairment in adult epileptic patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To analyze factors for cognitive impairment in epileptic patients. METHODS: A total of 257 epileptic patients completed clinical memory scale (CMS) and 70 of them were further surveyed with mini-mental state examination (MMSE), Montreal cognitive assessment (MoCA), digital symbol test (DSy), verbal fluency test, digit span test (DSp), Hamilton anxiety scale (HAMA) and Hamilton depression scale (HAMD). Monadic linear related analysis and multiple stepwise regression analysis were performed to evaluate the potential factors for cognitive impairment. RESULTS: Educational level was correlated with scores of cognitive tests (p < .01), with a difference between the junior high school group and senior high school group (p < .01 or p < .05). Seizure frequency was negatively correlated with CMS scores (p < .01), with a difference between the group with a seizure frequency of less than once a year and other groups (p < .01). The kind of antiepileptic drugs (AEDs) was negatively correlated with CMS scores (p < .01), with a difference between the single-drug group and the group taking more than two kinds of AEDs (p < .01). Depression scores were negatively correlated with MMSE, MoCA, DSy, DSp (p < .01 or p < .05), disease duration negatively with DSy (p < .01), and age negatively with MoCA (p < .05). Seizure type was correlated with DSy, and general seizure fared worse in the tests than other seizure types (p < .05). CONCLUSION: Educational level, seizure frequency, kinds of AEDs and depression can affect the cognitive function of epileptic patients. High educational level, good seizure control, single-drug treatment and healthy psychological state are protective factors for cognitive function of epileptic patients.
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.
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) | 0,000 | 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 découle