Is Everything a Challenge for Multiple Sclerosis patients? Nonverbal Semantic Memory Performance in Iranian Relapsing-Remitting Multiple Sclerosis Patients
Notice bibliographique
Résumé
Objectives: The objective of the current study was to evaluate the nonverbal semantic memory performance of MS patients and compare it with their healthy counterparts. Materials and methods: In this study, 70 patients with definite relapsing-remitting multiple sclerosis(15 men and 55 women) and 70 healthy individuals of comparable demographics (age, gender, and education) from patients’ relatives and family members were selected based on convenient sampling. The patients recruited for this study were divided into two groups based on their Montreal Cognitive Assessment (MoCA) scores. The first group of patients (MS1) with MoCA scores of 18-25, and the MoCA scores of the second group (MS2) ranged from 10 -17. All of the participants were right-handed, originally born in Mashhad, Iran, and native speakers of Persian. To assess the nonverbal semantic memory performance of the participants, the picture version of The Camel and Cactus Test (CCT) was selected and administered from the Cambridge Semantic Memory battery test. Results: The results revealed that there was no significant difference between the MS1 and the Healthy Controls group in living and man-made variables, while MS 2 performed significantly different compared to other groups in these variables. The results also showed that all three groups of participants performed significantly different from each other in reaction time variable. Conclusion: The findings showed that cognitive impairment in multiple sclerosis patients did not affect their nonverbal semantic memory performance, however, it had an impact on their reaction time. Bangladesh Journal of Medical Science Vol.20(2) 2021 p.390-395
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».