The Triad of Post-Stroke Fatigue, Cognition, and Motor Performance: A Study in Chronic Stroke Survivors
Notice bibliographique
Résumé
Background: In chronic stroke survivors, post-stroke fatigue (PSF) is a common but underdiagnosed illness that has a major impact on recovery, motor function, and cognitive function. Comprehending these associations is crucial for focused rehabilitation tactics. Methods: 41 chronic stroke survivors between the ages of 46 and 65 participated in a cross-sectional study. The Montreal Cognitive Assessment (MoCA), Fugl-Meyer Assessment (FMA), the 6-Minute Walk Test (6MWT), and the Fatigue Scale for Motor and Cognitive Functions (FSMC) were among the tests used. The PHQ-9 was used to screen for depression. For data analysis, Pearson's correlation was used. Result: The findings showed that fatigue was significantly correlated negatively with walking endurance (r = -0.428, p = 0.000128), upper limb motor performance (r = -0.4389, p = 0.000082), and cognitive function (r = -0.5973, p < 0.00001). Compared to motor exhaustion, cognitive fatigue was more strongly associated with these outcomes. Discussion: According to the results, cognitive fatigue has a significant influence on both physical recovery and cognitive function in chronic stroke survivors. To enhance functional outcomes, effective rehabilitation should incorporate cognitive retraining, endurance-building exercises, and fatigue management techniques. Conclusion: Cognitive function, motor function, and endurance are all greatly impacted by post-stroke fatigue. Chronic stroke survivors' quality of life and rate of recovery can be improved by including fatigue management techniques into rehabilitation programs. Key words: Chronic Stroke, Cognitive Impairment, Motor Performance, Post-Stroke Fatigue, Stroke Rehabilitation.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».