COGNITIVE FUNCTIONS IN MULTIPLE SCLEROSIS PATIENTS DEPENDING ON THE DIFFERENT RISK FACTORS PRESENCE
Notice bibliographique
Résumé
The aim: To clarify the influence of different risk factors on cognitive impairment (CI) in general and in separate domains and their association with MRI findings in patients with relapsing-remitting (RRMS) and progressive forms of multiple sclerosis (SPMS and PPMS). Materials and methods: One hundred and thirty-seven participants with MS (102 females and 35 males) aged from 22 to 69 years were enrolled into this study. All patients completed the Montreal Cognitive Assessment (MoCA), Beck Depression Inventory (BDI), Hamilton Anxiety Rating Scale (HAM-A) and undergone MRI. Results: According to MS phenotypes all participants were divided into two groups: patients with RRMS (n= 106) and with progressive phenotypes (n= 31). A significant positive correlation was present between MoCA and BDI scores in all participants (p= 0,0015). Presence of anxiety did not demonstrate any valid influence on cognitive performance, although severe anxiety was significantly more often found in subjects with progressive phenotypes in presence of brain atrophy (p= 0,0028). Patients with higher education had no CI more frequently compare to those without it (p= 0,0019), whereas, participants smoking cigarettes had higher prevalence of severe CI than non-smokers (p= 0,0061). Conclusions: Among cognitive domains memory, visual-spatial and executive functions, abstract thinking were impaired the most in MS patients, though abstract thinking was more often affected in progressive forms. The results demonstrated that physical disability, depression and smoking negatively impacted cognitive performance, meanwhile presence of higher education demonstrated a favorable influence on cognition in MS patients.
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 | 0,000 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».