Markers of early post-stroke cognitive impairment
Notice bibliographique
Résumé
Aim. To identify significant indicators of cognitive dysfunction based on discriminant analysis and to assess the influence of the course, nature and localization of ischemic stroke on the cognitive status of the patient.Materials and methods. We examined 290 patients diagnosed with ischemic stroke in the carotid artery area. Depending on presence of cognitive dysfunction according to the Montreal Cognitive Assessment Scale (MoSA) patients were divided into 2 groups: 240 patients with cognitive decline (≤25 point by MoCA) and 50 patients without it. In order to verify the markers, anamnestic characteristics were assessed, cognitive-functional indicators (according to the scales of the National Institutes of Health, MoCA, Bartel, Rankin, IQCODE questionnaire, additional scales to assess praxis, semantic aphasia, perception and executive function), data of neuroimaging studies. For statistical analysis machine learning algorithms and Python with its libraries (Pandas and SciPy) were implied.Results. The main neuropsychological indicators for patients with early post-stroke cognitive impairment were decline in the areas of perception, executive function, memory and semantic information processing, affective disturbances and physical fatigue. Relevant indicators identified during estimation of the instrumental and clinical examination results were severity of IS, left frontal and right parietal localisations of ischemia focus, presence of cortical atrophy and leukoaraiosis.Conclusion. Based on multi-factor analysis of clinical and paraclinical parameters using machine learning algorithms, the main markers of cognitive decline of early post-stroke impairments were identified. This will allow us to optimise the choice of neurocognitive rehabilitation strategies and to personalise the approach in the further management of the stroke patient.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».