Frequency, pattern and predictors of cognitive impairments in patients with Parkinson’s disease using the Community Screening Instrument for Dementia
Notice bibliographique
Résumé
Background Parkinson’s disease (PD) is a chronic neurodegenerative disorder complicated by cognitive dysfunctions which are associated with increased caregiver burden, pressure on community health facilities, and mortality in affected patients. Most of the data concerning cognitive dysfunctions in PD are from studies conducted in Europe and North America, but there is paucity of data from Sub-Saharan Africa. Objective The objective of this study is to determine the frequency, pattern and predictors of cognitive impairments amongst patients with Parkinson’s disease. Materials and methods This was a cross sectional case control study carried out at a tertiary health facility in South-south Nigeria. Participants with PD were consecutively recruited from the neurology outpatient clinics. Demographic and disease-specific data were obtained with the use of a pre-tested questionnaire. Cognitive performance of thirty patients with PD were compared with thirty demographically matched controls using the Community Screening Instrument for Dementia (CSID). CSID was already validated among Nigerians. Results The frequency of cognitive impairment using the CSID was 50% for PD patients (3.3% for controls). Poor cognitive performance was observed across several cognitive domains including language, executive dysfunction, psychomotor speed, and constructional apraxia among PD patients. The independent predictors of the overall cognitive impairment in patients with PD determined by logistic regression analysis include recall deficiency (p = 0.007), impairment with naming (p = 0.044), apraxia (p = 0.003), Hoen&Yahr staging (p = 0.046), UPDRS score (p = 0.015) and age at presentation (p = 0.014). Conclusion Cognitive impairments occur more frequently in patients with PD compared to controls. This study also demonstrated the predictive role of severity of disease based on Hoehn &Yahr staging and UPDRS score, and presence of recall deficiency, poor naming ability and apraxia.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».