MétaCan
Menu
Retour à la cohorte
Enregistrement W3042903746 · doi:10.3389/fneur.2020.00699

Post-stroke Cognitive Impairment—Impact of Follow-Up Time and Stroke Subtype on Severity and Cognitive Profile: The Nor-COAST Study

2020· article· en· W3042903746 sur OpenAlexaboutno aff
Stina Aam, Marte Stine Einstad, Ragnhild Munthe‐Kaas, Stian Lydersen, Hege Ihle‐Hansen, Anne‐Brita Knapskog, Hanne Ellekjær, Yngve Müller Seljeseth, Ingvild Saltvedt

Notice bibliographique

RevueFrontiers in Neurology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensnon disponible
Organismes subventionnairesFaculty of Medicine and Health, University of SydneySt. Olavs Hospital Universitetssykehuset i TrondheimHaukeland UniversitetssjukehusNasjonalforeningen for FolkehelsenNorges Teknisk-Naturvitenskapelige Universitet
Mots-clésStroke (engine)MedicineMontreal Cognitive AssessmentCognitionPopulationLogistic regressionInternal medicinePhysical therapyCognitive impairmentPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Post-stroke cognitive impairment (PSCI) is common, but evidence of cognitive symptom profiles, disease course over time, and pathogenesis is scarce. We investigated whether time and etiologic stroke subtype were of importance for the probability for PSCI and severity and cognitive profile. METHODS: Stroke survivors (n=617) underwent cognitive assessments of attention, executive function, memory, language, perceptual-motor function and administered the Montreal Cognitive Assessment (MoCA) after 3 and/or 18 months. PSCI was classified according to Diagnostic and Statistical Manual of Mental Disorders (DSM-5) criteria. Stroke severity was assessed with the National Institutes of Health Stroke Scale (NIHSS) at admittance and stroke subtype was categorized as intracerebral hemorrhage (ICH), large artery disease (LAD), cardioembolic stroke (CE), small vessel disease (SVD), un-/other determined strokes (UD). Mixed-effects logistic or linear regression was applied, with PSCI, MoCA, and z-scores of the cognitive domains as dependent variables. Independent variables were time as well as stroke subtype, time, and interaction between these. The analyses were adjusted for age, education, and sex. RESULTS: Mean age was 72 years (SD 12), 42 % were females, and mean NIHSS score at admittance was 3.8 (SD 4.8). Probability for PSCI after 3 and 18 months was 0.59 (95%CI 0.51-0.66) and 0.51 (95%CI 0.52-0.60) respectively and did not change over time. Global measures and almost all cognitive domains were impaired for the entire stroke population and for almost all stroke subtypes. Executive function and language improved for the entire stroke population, and after dividing the sample according to stroke subtypes, language improved for ICH patients. No significant differences were found in the severity of impairment between stroke subtypes, except for attention which was impaired for LAD and CE in contrast to no impairment for SVD. CONCLUSIONS: PSCI is common for all stroke subtypes, with impairment in several cognitive domains noted early after a stroke as well as a long time after a stroke. Increased evidence of symptom profile might be important for personalizing rehabilitation, while stroke subtypes may offer new insight into underlying mechanisms. Further research is needed on underlying mechanisms, prevention and treatment of PSCI, and on relevance for 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,251
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations112
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207