Cognition and Independence Drive Health-Related Quality of Life in Stroke Survivors: A Predictive Model from District Narowal
Notice bibliographique
Résumé
Background: Stroke imposes profound physical, cognitive, and psychosocial burdens, leading to sustained reductions in health-related quality of life (QOL). Understanding how cognition and functional independence jointly influence QOL is critical for improving rehabilitation outcomes, especially in low-resource settings where rapid clinical assessment tools are essential. Objective: To quantify the independent and combined effects of cognitive function and functional independence on domain-specific QOL among stroke survivors and to evaluate whether age contributes incremental predictive value. Methods: A cross-sectional predictive study was conducted among 100 stroke survivors at District Headquarter Hospital, Narowal. Health-related QOL was assessed using the WHOQOL-BREF, cognition using the Montreal Cognitive Assessment (MOCA), and functional independence using the Barthel Index (BI). Hierarchical linear regressions examined associations between MOCA, BI, age, and the four QOL domains. Model validity was tested through 10-fold cross-validation. Results: BI and MOCA showed strong positive correlations with all QOL domains (r = 0.41–0.74, p < 0.001). BI independently explained 46–55% of variance in QOL domains, while the addition of MOCA improved explained variance up to 61% (ΔR² = 0.06, p = 0.002). Age had a minor, nonsignificant effect. Cross-validation confirmed model stability (R² = 0.40–0.59). Conclusion: Functional independence and cognition are key determinants of post-stroke QOL, highlighting the value of integrating BI and MOCA into rehabilitation planning to enhance multidimensional recovery in resource-limited healthcare settings.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,004 |
| 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 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 ».