MétaCan
Menu
Retour à la cohorte
Enregistrement W3119438790 · doi:10.1136/jech-2020-ssmabstracts.74

OP75 The potential impact of cognitive rehabilitation on the future burden of post-stroke cognitive impairment in Ireland to 2035: Preliminary results using a model-based approach

2020· article· en· W3119438790 sur OpenAlexaboutno aff
Eithne Sexton, NA Merriman, Nicholas A Donnelly, MA Wren, Piotr Bandosz, Maria Guzman-Castillo, Martín O’Flaherty, Anne Hickey, Kathleen Bennett

Notice bibliographique

RevueOral Presentations · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Systems and Public Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStroke (engine)DementiaMedicineRehabilitationPopulationCognitionPopulation ageingCohort studyCohortMontreal Cognitive AssessmentCognitive declineEpidemiologyCognitive rehabilitation therapyPhysical medicine and rehabilitationGerontologyCognitive impairmentPhysical therapyPsychiatryInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Background Post-stroke cognitive impairment (PSCI) is a frequent consequence of stroke, and reduces quality of life and increases care needs. We aimed to evaluate the impact of a hypothetical cognitive rehabilitation intervention on PSCI outcomes using the StrokeCog epidemiological model. Methods We developed a probabilistic Markov model to project and track incidence and prevalence of PSCI in the Irish population aged 40–89 years to 2035. Data sources included official population and hospital episode statistics, and longitudinal cohort studies. Drawing on available systematic review evidence, we hypothesized that cognitive rehabilitation would reduce the risk of cognitive impairment no dementia (CIND) at 1 year post-stroke by 18% (scenario 1, S1, small effect) or by 54% (scenario 2, S2, medium effect) relative to usual care. Results In usual care, the projected prevalence of post-stroke CIND in Ireland in 2035 was 6.7 per 1000 general population (95% CI 5.6–7.8), or 35% of stroke survivors (95% CI 30.5–38.8) (n=21026 prevalent cases). In S1 (small effect) the projected prevalence was reduced to 32.0% (95% CI 28.6–36.4) of stroke survivors (n=19652), and in S2 (medium effect) to 29.1% (95% CI 25.2–33.2) of stroke survivors (n=17672). The number of years of life lived free of cognitive impairment were increased by 6.3% in S1 (small effect) and 15.1% in S2 (medium effect). Conclusion The StrokeCog model provides a tool for policy-makers and researchers to evaluate the potential impact of cognitive rehabilitation at different levels of intervention effectiveness. The model was based on conservative assumptions, and a less conservative approach could lead to a greater projected reduction in burden. Our next steps include analysis of quality of life outcomes and costs.

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)0,016
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,297

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,025
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,013
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,049
Tête enseignante GPT0,375
Écart entre enseignants0,325 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOral PresentationsMême sujetHealthcare Systems and Public HealthTravaux en français237 207