Depressive Symptoms Profiles and Cognitive Outcomes After Stroke
Notice bibliographique
Résumé
INTRODUCTION: Post-stroke depressive symptoms are heterogeneous and variably associated with other psycho-cognitive features. We employed cluster analysis to identify distinct profiles of post-stroke depressive symptomatology and their association with cognitive performance. METHODS: We included consecutive patients undergoing neuropsychiatric evaluation 6 months after stroke. Cluster analysis incorporated the Center for Epidemiologic Studies Depression Scale, along with the apathy and anxiety items from the Neuropsychiatric Inventory questionnaire. Baseline clinical/neuroimaging variables and 6-months cognitive outcomes were compared across profiles. RESULTS: We included 189 patients with acute cerebrovascular events (median age 75.4 years, 62% male, 80% ischemic strokes). Three profiles emerged: (A) low-depressive symptoms (n = 108), (B) moderate-depressive symptoms plus anxiety (n = 41), (C) high-depressive symptoms plus apathy (n = 40). Regarding baseline predictors of 6-month depressive symptoms profiles, patients with high-depressive symptoms plus apathy exhibited lower Montreal Cognitive Assessment scores at baseline (16.0 vs. 21.5; adjusted odds ratio [adj.OR] per 1-point increase 0.91, 95% confidence interval [95% CI] 0.83-0.99) compared to patients with low-depressive symptoms; moderate-depressive symptoms plus anxiety patients had less cortical atrophy compared to both low-depressive symptoms (adj.OR 0.92, 95% CI 0.86-0.99) and high-depressive symptoms plus apathy (adj.OR 0.89, 95% CI 0.81-0.97) profiles. Regarding 6-month cognitive performance, high-depressive symptoms plus apathy patients showed higher rates of post-stroke dementia and attention/executive function impairment compared with the two other groups (both p < 0.05), and higher rates of language impairment compared with low-depressive symptoms profile (p < 0.05). CONCLUSION: By integrating apathy and anxiety in our model, depressive symptoms after stroke emerged as heterogeneous neuropsychiatric syndromes, showing different baseline predictors and distinctive cognitive patterns.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 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) | 0,001 | 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 ».