Comparison of three cognitive assessment methods in post-stroke aphasia patients
Notice bibliographique
Résumé
Background: The cognitive level of post-stroke aphasia (PSA) patients is generally lower than non-aphasia patients, and cognitive impairment (CI) affects the outcome of stroke. However, for different types of PSA, what kind of cognitive assessment methods to choose is not completely clear. We investigated the Montreal Cognitive Assessment (MoCA), the Mini-Mental State Examination (MMSE), and the Non-language-based Cognitive Assessment (NLCA) to observe the evaluation effect of CI in patients with fluent aphasia (FA) and non-fluent aphasia (NFA). Methods: 92 stroke patients were included in this study. Demographic and clinical data of the stroke group were documented. The language and cognition were evaluated by Western Aphasia Battery (WAB), MoCA, MMSE, and NLCA. PSA were divided into FA and NFA according to the Chinese aphasia fluency characteristic scale. Pearson's product-moment correlation coefficient test and multiple linear regression analysis were performed to explore the relationship between the sub-items of WAB and cognitive scores. The classification rate of CI was tested by Pearson's Chi-square test or Fisher's exact test. Results: The scores of aphasia quotient (AQ), MoCA, MMSE, and NLCA in NFA were lower than FA. AQ was positively correlated with MoCA, MMSE, and NLCA scores. Stepwise multiple linear regression analysis suggested that naming explained 70.7% of variance of MoCA and 79.9% of variance of MMSE; comprehension explained 46.7% of variance of NLCA. In the same type of PSA, there was no significant difference in the classification rate. The classification rate of CI in NFA by MoCA and MMSE was higher than that in FA. There was no significant difference in the classification rate of CI between FA and NFA by NLCA. Conclusion: MoCA, MMSE, and NLCA can be applied in FA. NLCA is recommended for NFA.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».