Cognitive Impairment after Stroke: Prevalence and predictors in a Hospital-Based sample from Cameroon
Notice bibliographique
Résumé
Background: Stroke is a major cause of long-term disability, often accompanied by neurocognitive and executive function impairments. These sequelae significantly affect patients' quality of life, functional independence, and social reintegration. Despite their importance, little data is available on post-stroke cognitive impairment and its predictors in sub-Saharan Africa. Objective: To determine the prevalence and predictors of neurocognitive disorders in the post-acute phase of stroke. Methodology: We conducted a cross-sectional case control study study over nine months among stroke survivors (stroke+) attending outpatient neurology consultations at Laquintinie Hospital in Douala, Cameroon. These patients were matched for age, sex, and comorbidities with controls who had never experienced a stroke (stroke−). Participants with a history of psychiatric illness or prior cognitive impairment were excluded. Cognitive function was assessed using the Montreal Cognitive Assessment (MoCA). Data were analyzed using SPSS v20.0. Results: A total of 223 participants were included (122 stroke+ and 101 stroke−). The mean age was 58.1 ± 10.4 years in the stroke+ group and 56.5 ± 10.3 years in the stroke− group (p > 0.05), with a male-to-female ratio of 1.1. The prevalence of neurocognitive disorders (NCD) was 28% in stroke+ patients versus 8.5% in controls (p < 0.001). Multivariate analysis identified age > 65 years (p < 0.001), alcohol use (p = 0.001), low educational level (p = 0.001), hemorrhagic stroke (p = 0.003), and NIHSS > 5 (p = 0.002) as independent predictors. Conclusion: Stroke survivors are four times more likely to develop neurocognitive disorders compared to individuals without stroke. One in three stroke patients presents cognitive impairment, and nearly 40% exhibit executive dysfunction. Early identification of predictive factors may help improve rehabilitation strategies and long-term outcomes. Keywords: stroke, neurocognitive disorders, predictors, sub-Saharan Africa.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».