Characterization of cognitive impairment and contributing factors in patients with substance use disorders: Influence of primary alcohol or cocaine use
Notice bibliographique
Résumé
Substance use disorders (SUDs) are frequently associated with cognitive impairment, but the specific clinical and sociodemographic factors that contribute to these deficits remain insufficiently characterized. This study aimed to examine cognitive performance in a sample of treatment-seeking patients with SUDs and to identify predictors of impairment. Eighty abstinent outpatients were consecutively recruited and underwent clinical and neuropsychological evaluation. Cognitive performance was assessed using the Montreal Cognitive Assessment (MoCA), which evaluate attention, executive function, memory, language, visuoconstructional skills and orientation and the Complutense Verbal Learning Test (Test de Aprendizaje Verbal España-Complutense; TAVEC) to measure learning and memory. Overall, patients showed deterioration in several cognitive domains. Educational attainment and the duration of problematic substance use emerged as the strongest predictors of performance, particularly in attention, identification, and language. Age and abstinence length were also associated with selected domains, highlighting their role in the trajectory of cognitive recovery. Exploratory analyses suggested that the primary substance reported (alcohol or cocaine) may influence memory outcomes, although interpretation is limited by the high prevalence of polysubstance use. These findings emphasize the relevance of considering educational background, clinical history, and abstinence when assessing cognitive function in SUD populations, and suggest that strengthening cognitive reserve could mitigate neuropsychological deficits and improve treatment outcomes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».