Abstract TMP95: Structured Screening for Post-Stroke Cognitive Impairment in the Outpatient Stroke Clinic
Notice bibliographique
Résumé
Introduction: Cognitive impairment (CI) affects 30% of stroke survivors and impacts ability to return to work, drive and perform ADLs. However, there is no standardized screening for post-stroke CI. We implemented CI screening in the STEP (Stroke Transitions, Education and Prevention) clinic. We sought to identify demographic and clinical factors associated with early post-stroke CI. Methods: Eligible pts had ischemic stroke, ICH or TIA, were seen in the STEP clinic from March 2017 to June 2018, and included in the prospective outpatient clinical registry. Screening for post-stroke CI was performed with a Brief Neurocognitive Screen (BNS), a validated 5-minute subset of the Montreal Cognitive Assessment. BNS 0-8 was defined as abnormal (CI present) and 9-12 was defined as normal. Continuous variables were analyzed with student t-tests or Wilcoxon rank-sum tests and categorical variables with Fisher’s exact test. Logistic regression was performed with the significant variables in the univariate analyses. Results: Of 256 patients, 116 completed a BNS at a median of 35 days after hospital discharge. Median NIHSS was 3 (IQR 0.5,6) and follow-up modified Rankin scale (mRS) was 1 (IQR 1,2). Median BNS was 10 (IQR 9,11). Abnormal BNS, was present in 17.2% of pts screened. Of the 20 pts with abnormal BNS, 17 had neuropsychological testing ordered. In the univariate analysis, age, education, admission NIHSS, poor mRS (<2) at follow-up, and atrial fibrillation were significantly associated with early post-stroke CI (Table 1). In the multivariable analysis, only age and follow-up mRS remained significant. Conclusion: Early post-stroke CI is common in stroke pts, even with low NIHSS, and associated with older age and worse mRS. The BNS is a post-stroke CI screening tool than can be performed in stroke clinics. Future studies are needed to assess the feasibility of implementing the BNS across multiple sites and outcomes associated with early identification of post-stroke CI.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».