Exploring Social Cognition Sub‐Domains and Predictors in Multiple Sclerosis: A Cross‐Sectional Study
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Social cognition (SC) is increasingly recognized as a key cognitive domain affected in multiple sclerosis (MS), yet its sub-domains and clinical correlates remain underexplored. This study aimed to assess different SC sub-domains and identify their cognitive, emotional, and demographic predictors in people with MS (pwMS). METHODS: This cross-sectional study included 93 pwMS and 34 HCs. Assessments included the Reading the Mind in the Eyes Test (RMET) for emotion recognition, the Trail Making Test (TMT) for executive function, the Tromso Social Intelligence Scale (TSIS) for nonverbal understanding, the Implied Meaning Test (IMT) for implicit understanding, the Social-Emotional Competence Scale for adaptability, the Barratt Impulsiveness Scale for impulsivity, the Stroop Test for inhibition, the Beck Depression Inventory (BDI) for depression, the Montreal Cognitive Assessment (MoCA) for cognition, and the Short Form-12 (SF-12) for quality of life (QoL). Multiple regression analyses were conducted to identify independent predictors of SC performance. RESULTS: PwMS, particularly those with progressive MS, exhibited significantly lower SC performance across all sub-domains compared to HCs. Regression analyses revealed that lower MoCA scores, higher BDI scores, and lower educational attainment were significant predictors of impaired SC, while disease duration and gender were not. Notably, SC deficits were also observed in cognitively preserved individuals, suggesting the relative independence of SC impairments. CONCLUSION: SC impairment is a distinct and clinically relevant feature of MS, associated with both cognitive and emotional factors. Routine SC screening may enhance patient care by informing personalized interventions. Future research should include larger cohorts, longitudinal designs, and practical SC assessment tools for clinical use.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».