A - 78 Characterization of Post-Stroke Cognitive and Mood Impairment within 1-Year Post-Stroke after Hospital Discharge
Notice bibliographique
Résumé
Abstract Objective To demonstrate the feasibility of cognitive and psychological characterization after stroke during post-discharge neurology visit as part of standard care. Method From January 1, to April 29, 2023, 33 patients were evaluated using the MoCA and screening tests for aphasia, spatial neglect, depression, and anxiety during their neurology outpatient visit. Neuropsychological measures evaluating attention, processing speed, language, visuospatial, memory, and executive function abilities were also administered. Patients were aged 30–87 years (Mage = 64.8, SDage = 14.2). The sample included 37.1% women and was primarily Black/African American (37.1%) and White (54.3%). The average level of education was some college (Medu = 14.7, SDedu = 32.7). Time between stroke and testing ranged from 0–11 months (Melapsed = 2.8, SDelapsed = 3.1 and 88.6% of patients experienced ischemic stroke. Results Over 68% of patients examined demonstrated global cognitive impairment on the MoCA (MMoCA = 21.2, SDMoCA = 5.1). 5.7% of patients met criteria for spatial neglect and 5.7% met criteria for aphasia. A higher percentage demonstrated impairments within visuospatial or language domains (51.4% visuospatial and 34.3% language, respectively. Further, impairments were observed across all other domains assessed, including attention (22.9%), processing speed (31.4%), verbal memory (62.9%), visual memory (54.3%), and executive function (51.4%). Depression and anxiety were present in 42.9% and 37.1% of the sample, respectively. Elapsed time, type of stroke, lateralization of stroke, sex, or mood scores were not associated with lower performance on the MoCA. Conclusions Cognitive and behavioral deficits following stroke can be identified as part of standard neurologic care that may otherwise have been missed, providing an opportunity to intervene and maximize recovery in stroke 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 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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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 ».