Does cognitive performance explain the gap between physiological and perceived fall-risk in people with multiple sclerosis?
Notice bibliographique
Résumé
Background Cognitive impairment is linked with increased risk of falls in people with multiple sclerosis (pwMS), but it is not clear whether cognitive performance may help to account for the discordance between fall-risk due to actual physiological functioning and the individual's perception of their fall-risk. This study examined the relationship between cognitive performance and the concordance/discordance of physiological and perceived fall-risk in pwMS. Methods : In this single-center cross-sectional analysis of 201 pwMS, proxies for physiological (gait speed) and perceived (Modified Falls Efficacy Scale) fall-risk were collected. Participants were categorized into 4 groups using established cut-off values: high physiological – high perceived (H phy -H per ), high physiological – low perceived (H phy -L per ), low physiological – low perceived (L phy -L per ), and low physiological – high perceived (L phy -H per ) fall-risk. Cognitive performance was evaluated using the NeuroTrax computerized cognitive battery, which generates a global cognitive score (GCS) as well as scores for individual cognitive domains. Results Overall, 27.4 % of participants exhibited a discordance between physiological and perceived fall-risk. Individuals with discordant fall-risk did not have worse cognitive scores than individuals with concordant fall-risk, whether GCS or individual cognitive domains. However, among concordant groups, participants in the H phy -H per group had worse cognitive scores (GCS) as well as information processing, attention, motor skills, executive function and visual spatial domain scores than participants in the L phy -L per group. Conclusion In this study, one in 4 pwMS had a discordance between their physiological and perceived fall-risk. This discordance was not explained by cognitive performance.
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 | 0,001 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».