Seizure history and cognitive dysfunction in people with multiple sclerosis
Notice bibliographique
Résumé
Background: Seizures are associated with reduced cognition in the general population and worse outcomes in people with multiple sclerosis (pwMS). Yet, it remains unclear whether seizures are linked to cognitive dysfunction in pwMS. Objectives: To evaluate the connection between seizure history and poorer cognition in pwMS. Methods: A consecutive sample of 803 pwMS reported any prior seizures. Covariates included age, sex, Wechsler Test of Adult Reading scores, educational years, Expanded Disability Status Scale (EDSS) scores, disease duration, disease subtype, high-efficacy disease-modifying therapy use, Hospital Anxiety and Depression Scale scores for anxiety and depression and Modified Fatigue Impact Scale scores. Linear regression analyses, controlling for covariates, were undertaken to predict Minimal Assessment of Cognitive Function in MS scores from seizure history. Results: Mean age was 44.01 years ( SD = 11.58), 76.84% were female, and median EDSS was 2.0 (interquartile range (IQR) = 1.5–3.5). Accounting for covariates, people with seizures ( n = 43, 5.35%) performed worse than those without ( n = 760) on Judgement of Line Orientation (β = −0.09, p < 0.01), California Verbal Learning Test-II learning (β = −0.08, p < 0.01) and memory (β = −0.10, p < 0.01), Brief Visuospatial Memory Test-Revised learning (β = −0.08, p = 0.01) and memory (β = −0.07, p = 0.05), Symbol Digit Modalities Test (β = −0.06, p = 0.04), Paced Auditory Serial Addition Test (β = −0.10, p < 0.01) and Delis-Kaplan Executive Function System (β = −0.07, p = 0.02). Conclusions: A seizure history independently predicts reduced cognition in pwMS.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».