Evaluation of malnutrition and cognitive performance in patients with acute stroke
Notice bibliographique
Résumé
Objective: To evaluate nutritional risk using Global Leadership in Malnutrition (GLIM) criteria and Mini Nutritional Assessment Test (MNA) score, cognitive performance using Montreal Cognitive Assessment (MoCA) and Mini Mental State Examination (MMSE) scores, and the association of nutritional risk with cognitive status. Methods: The study sample consists of 135 acute stroke patients hospitalized in a neurology clinic in Turkey. A questionnaire was used to determine the sociodemographic characteristics of the patients. MNA and GLIM criteria were used to evaluate nutritional status, the Modified Rankin Scale was used to determine the severity of stroke, and MMSE and MoCA tests were used to determine cognitive performance using a face-to-face interview technique. Anthropometric measurements of the patients were also taken. Results: Univariate ANOVA analysis found significant association of stroke severity and malnutrition status on cognitive performance scores separately (p<0.005). However, no significant association was observed with multivariate analysis. When various risk factors association were examined against dementia according to MMSE and MoCA, with univariate logistic regression analysis, gender, age, and education status was associatred with dementia. The risk of dementia increased 6.6 times in women and 1.1 times as age increased according to the MMSE score. The risk of dementia increased 4.2 times in women and 1.1 times as age increased according to the MoCA score. However, with multivariate analyses, it was found that only age had significant effect. Conclusion: Evaluation of cognitive function and nutritional status is essential for stroke patients. Evaluation of stroke patients with a multidisciplinary approach can contribute to the prognosis of the disease.
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 ».