Characteristics and associated factors of early cognitive dysfunction following acute traumatic brain injury
Notice bibliographique
Résumé
Objective To analyze the characteristics and associated factors of early cognitive dysfunction following acute traumatic brain injury (TBI) and provide the evidence for early diagnosis and treatment of cognitive dysfunction. Methods A prospective study was performed on 328 patients with mild to moderate TBI from Shanghai Pudong New Area People's Hospital since June 2012 to June 2014, using the Mini-mental state examination (MMSE) and Montreal cognitive assessment (MoCA) to assess their cognitive function. Differential analysis of the mechanism of injury, age, gender, years of education, and CT manifestation type was performed in patients with and without cognitive dysfunction. Logistic regression analysis was further used to analyze the risk factors for cognitive dysfunction. Results In enrolled 328 patients, 56 patients (17.1%) were identified with cognitive dysfunction in MMSE score, while 207 patients (63.1%) in MoCA score. Cognitive dysfunction mainly manifested as visual-spatial and executive function, attention and calculation ability, language, abstract, and delayed memory. There were significant differences in years of education and CT manifestations (subarachnoid hemorrhage, contusion, intracranial hematoma, etc) between patients with and without cognitive dysfunction (P<0.01). Logistic regression analysis showed years of education, brain contusion, and intracranial hematoma were the major factor for cognitive dysfunction following TBI (P<0.01). Conclusion Cognitive dysfunction is largely affected by years of education, brain contusion and intracranial hematoma after TBI. Key words: Craniocerebral trauma; Cognition disorders; Influence factors
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».