The outcomes of the computerized training of cognitive functions in patients with MCI in epilepsy
Notice bibliographique
Résumé
Introduction Cognitive impairments have a considerable impact on the functioning of patients, their socialization and level of disability. Cognitive deficits significantly deteriorate the quality of patients’ life. Currently, the possibilities of pharmacological correction of cognitive disorders in patients with epilepsy are limited. Objectives Study of non-pharmacological program of cognitive disorder correction in patients with epilepsy and the assessment of its efficiency. Methods We have studied the features of clinical and psychopathological manifestations in patients suffering from epilepsy. The study included 146 patients with epilepsy (85 men and 61 women) who were receiving inpatient care. The following psychodiagnostic techniques were used: MOCA test, Mini Mult test, Münsterberg test, depression and Hamilton anxiety scale, quality of life scale. 63 patients received cognitive training online, of which 30 patients also used psychoeducation methods. Results According to the MoCA findings, patients with epilepsy showed cognitive decline, the average score was 20.72, whereas healthy persons’ average score was 27.36. The Quality of Life Scale: the average rate among all examined persons was 69.45 out of 100, 78.60 were the results of healthy persons. In patients with PG1, who used cognitive training and psychoeducation the results of the MoCA test showed an improvement in cognitive functions (1.4, p <0.001) and increased subjective assessment of quality of life (2.77, p <0.05). Conclusions The study of the use of cognitive training and psychoeducation in patients with epilepsy for cognitive functions, quality of life resulted in a positive outcome. Cognitive online training is an encouraging area in the rehabilitation of patients with cognitive decline. Disclosure No significant relationships.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».