MétaCan
Menu
Retour à la cohorte
Enregistrement W4313346970 · doi:10.36740/wlek202211112

PRACTICAL ASPECTS AND RESULTS OF COGNITIVE THERAPY IN THE EARLY RECOVERY PERIOD OF ISCHEMIC STROKE

2022· article· en· W4313346970 sur OpenAlexaboutno aff
Olga G. Morozova, Anna N. Kosheleva, Bogdan S. Fedak, Volodymyr I. Ponomaryov, Aleksandr A. Yaroshevskiy, Iryna M. Kravchenko, Inna V. Reminiak

Notice bibliographique

RevueWiadomości Lekarskie · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurological Disorders and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentCognitionRehabilitationStroke (engine)Physical therapyMedicineIschemic strokeCognitive rehabilitation therapyPhysical medicine and rehabilitationCerebral infarctionCognitive Assessment SystemPsychologyCognitive impairmentPsychiatryIschemia

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim: To determine the impact of cognitive training on the degree of cognitive functions recovery and quality of life in the early recovery period of ischemic stroke. PATIENTS AND METHODS: Materials and methods: 108 patients with cerebral infarction were examined outpatiently, follow-up from 1 to 3 months from the onset of the disease. Basic assessment methods: screening index of cognitive disorders according to the Montreal Cognitive Assessment Scale (MoCA), SF-36 questionnaire. RESULTS: Results and Conclusions: Comprehensive rehabilitation measures for the early recovery period of ischemic stroke achieve improvement of the cognitive sphere: a significant increase in the average score on the Montreal scale of cognitive functions assessment (MoCA scale) in both observation groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,309
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,299
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiadomości LekarskieMême sujetNeurological Disorders and TreatmentsTravaux en français237 207