Incidence and predictors of post-stroke cognitive impairment among patients admitted with first stroke at tertiary hospitals in Dodoma, Tanzania: A prospective cohort study
Notice bibliographique
Résumé
INTRODUCTION: Stroke survivors develop cognitive impairment, which significantly impacts their quality of life, their families, and the community as a whole but not given attention. This study aims to determine the incidence and predictors of post-stroke cognitive impairment (PSCI) among adult stroke patients admitted to a tertiary hospital in Dodoma, Tanzania. METHODOLOGY: A prospective cohort study was conducted at tertiary hospitals in the Dodoma region, central Tanzania. A sample size of 158 participants with the first stroke confirmed by CT/MRI brain aged ≥ 18 years met the criteria. At baseline, social-demographic, cardiovascular risks and stroke characteristics were acquired, and then at 30 days, participants were evaluated for cognitive functioning using Montreal Cognitive Assessment (MoCA). Key confounders for cognitive impairment, such as depression and apathy, were evaluated using the Personal Health Questionnaire (PHQ-9) and Apathy Evaluation Scale (AES), respectively. Descriptive statistics were used to summarise data; continuous data were reported as Mean (SD) or Median (IQR), and categorical data were summarised using proportions and frequencies. Univariate and multivariable logistic regression analysis was used to determine predictors of PSCI. RESULTS: The median age of the 158 participants was 58.7 years; 57.6% of them were female, and 80.4% of them met the required criteria for post-stroke cognitive impairment. After multivariable logistic regression, left hemisphere stroke (AOR: 5.798, CI: 1.030-32.623, p = 0.046), a unit cm3 increase in infarct volume (AOR: 1.064, 95% CI: 1.018-1.113, p = 0.007), and apathy symptoms (AOR: 12.259, CI: 1.112-89.173, p = 0.041) had a significant association with PSCI. CONCLUSION: The study revealed a significant prevalence of PSCI; early intervention targeting stroke survivors at risk may improve their outcomes. Future research in the field will serve to dictate policies and initiatives.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».