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 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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».