Diagnostic accuracy of cognitive screening tools under different neuropsychological definitions for poststroke cognitive impairment
Notice bibliographique
Résumé
OBJECTIVES: The accuracy of cognitive screening tools to detect poststroke cognitive impairment (PSCI) was investigated using various neuropsychological definitions. METHODS: Hospital-based stroke patients underwent a comprehensive neuropsychological assessment. The rate of PSCI was estimated using thresholds of 1, 1.5, or 2 standard deviations below the normal control and memory impairment defined by a single or multiple tests. Meanwhile, the diagnostic accuracy of cognitive screening through face-to-face assessment using the Mini-Mental State Examination (MMSE) and the Montreal Cognitive Assessment Scale (MoCA), and telephone assessment using a 5-minute NINDS-Canadian Stroke Network (NINDS-CSN) scale and a six-item screener (SIS), was both tested under different definitions, with the optimal cutoff selected based on the highest Youden index. RESULTS: In stroke patients, the rate of PSCI ranged from 46.3% to 76.3% upon different definitions. The face-to-face MoCA was more consistent with the comprehensive cognitive assessment compared to MMSE. The optimal cutoff of PSCI was MMSE ≤ 27 and MoCA ≤ 19. For the telephone tests, the 5-minute NINDS-CSN assessment was more reliable, and the optimal cutoff was ≤23, while for SIS ≤ 4. CONCLUSIONS: Cognitive screening tools including the face-to-face MMSE and MoCA, together with the telephone assessment of NINDS-CSN 5-minute protocol and SIS, were simple and effective for detecting PSCI in stroke patients. The corresponding threshold values for PSCI were 27 points, 19 points, 23 points, and 4 points.
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 | 0,004 |
| 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 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 ».