MétaCan
Menu
Retour à la cohorte
Enregistrement W4407836886 · doi:10.1001/jamanetworkopen.2024.57447

Prevalence, Trajectory, and Factors Associated With Patient-Reported Nonmotor Outcomes After Stroke

2025· review· en· W4407836886 sur OpenAlexaboutno aff
Hatice Özkan, Gareth Ambler, Taniya Esmail, Gargi Banerjee, Robert Simister, David J. Werring

Notice bibliographique

RevueJAMA Network Open · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Depression (economics)Funnel plotProspective cohort studyMeta-analysisAnxietyPhysical therapyInternal medicinePublication biasPsychiatry

Résumé

récupéré en direct d'OpenAlex

Importance: The evidence on nonmotor outcomes after acute ischemic stroke and intracerebral hemorrhage (ICH) is limited and domain-specific. The prevalence, natural history, and factors associated with nonmotor outcomes across multiple domains are unclear. Objective: To synthesize the published data and to identify the prevalence, natural history, and factors associated with multidomain nonmotor outcome burden in patients with stroke. Data Sources: A search of PubMed, MEDLINE, EMBASE, and PsycINFO databases between January 1999 to June 2023 was supplemented by search of bibliographies of the key articles. Study Selection: The analysis included prospective cohort studies that reported nonmotor outcomes across 10 domains: anxiety, depression, fatigue, sleep disturbance, social participation, pain, bladder dysfunction, bowel dysfunction (constipation and fecal incontinence), and sexual dysfunction assessed by patient-reported scales. Data Extraction and Synthesis: Two reviewers independently assessed studies, extracting baseline data, nonmotor prevalence, and follow-up information. Pooled prevalence of nonmotor outcomes was estimated using random-effects models. Meta-regression models were used to analyze natural history and factors associated with nonmotor outcomes. Subgroup analysis was used to assess prevalence by symptom description within each nonmotor domain. Publication bias and study quality were assessed using funnel plots and the Newcastle-Ottawa scale. Results: A total of 279 prospective cohort studies met the inclusion criteria (117 440 participants with stroke; median [IQR] age, 65 [59-70] years; 209 of 279 studies with more male than female participants) with a nonmotor outcome follow-up period ranging from 30 days to 10 years after stroke. The most prevalent adverse nonmotor outcomes by pooled prevalence were sleep disturbance (59.9%; 95% CI, 53.9%-63.9%), sexual dysfunction (59.8%; 95% CI, 50.0%-69.5%), constipation (58.2%; 95% CI, 53.9%-62.6%), reduced social participation (56.5%; 95% CI, 52.1%-60.8%), bladder dysfunction (45.9%; 95% CI, 38.0%-53.8%), and fatigue (45.2%; 95% CI, 40.7%-49.5%). Meta-regression analysis showed no significant improvement over time for most nonmotor outcomes, except pain (coefficient = -11.0%; P = .05) and sexual dysfunction (coefficient = -24.1%; P < .001). The heterogeneity ranged between 52% and 98% across all studies. The common factors associated with adverse nonmotor outcomes were female sex, studies with mixed stroke cohort (ischemic stroke or ICH), and older age. Conclusions and Relevance: Patient-reported nonmotor outcomes were common after stroke. Sexual dysfunction, sleep disturbance, constipation, reduced social participation, bladder dysfunction, and fatigue were most prevalent. These adverse outcomes often persisted over time, especially in women, older adults, and those in studies with mixed stroke cohorts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,459
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,320
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207