Determinants of Post-Stroke Cognitive Impairment in a Hospital-Based Sialkot Cohort
Notice bibliographique
Résumé
Background: Post-stroke cognitive impairment (PSCI) is one of the most disabling sequelae of stroke, contributing to functional dependence, poor rehabilitation outcomes, and reduced quality of life. Despite a rising burden of stroke in Pakistan, there remains limited evidence on the prevalence and determinants of PSCI in secondary-care hospital settings. Objective: To assess the frequency and predictors of post-stroke cognitive impairment among survivors in Sialkot hospitals and to identify the independent socio-demographic and clinical factors influencing cognitive outcomes. Methods: An analytical cross-sectional study was conducted among 100 stroke survivors and 100 healthy controls recruited from four major hospitals in Sialkot between January and June 2024. Cognitive function was assessed using the Montreal Cognitive Assessment (MoCA), stroke severity by the National Institutes of Health Stroke Scale (NIHSS), and functional status by the Barthel Index. Data were analyzed using SPSS v25, applying t-tests, ANOVA, correlation, and multiple linear regression to determine independent predictors of MoCA scores. Results: Cognitive impairment (MoCA <26) was observed in 78% of stroke survivors versus 12% of controls (p<0.001). Lower MoCA scores correlated significantly with older age (r=-0.47), higher NIHSS (r=-0.59), and lower Barthel Index (r=+0.63). Education, stroke severity, and functional independence independently predicted cognitive performance (adjusted R²=0.61). Conclusion: Post-stroke cognitive impairment is highly prevalent among stroke survivors in Sialkot and is primarily influenced by age, education, and neurological severity. Routine cognitive screening and integrated rehabilitation strategies are recommended to enhance recovery and independence.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».