Gender Differences in Subacute Post-Stroke Patients During Rehabilitation: Functional, Cognitive, and Nutritional Insights
Notice bibliographique
Résumé
Background/Objectives: Despite the well-documented gender differences observed during hospitalisation, research in post-stroke recovery remains limited. This study aims to clarify this topic in subacute post-stroke patients undergoing rehabilitation, considering not only functional and cognitive outcomes but also nutritional status and food consumption. Methods: At admission (T0), patients were assessed for demographic, anamnestic, and clinical data and were diagnosed for malnutrition according to the Global Leadership Initiative on Malnutrition (GLIM) criteria. At T0 and after a six-week rehabilitation program (T1), nutritional status was assessed by anthropometric measurements, serum analysis of albumin, glucose, lipidic, metal, and oxidative stress panel, and the calculation of the Geriatric Nutritional Risk Index; food consumption was recorded daily. Functional independence in Activities of Daily Living was measured at both T0 and T1 by the modified Barthel Index (mBI), and cognitive impairment was assessed by the Montreal Cognitive Assessment (MoCA), adjusted for age and education. Results: We enrolled 87 patients (mean age 69 ± 12 years; 42 women and 45 men); of these 52.4% of women were malnourished, compared to 33.3% of men. After rehabilitation (T1), women showed higher oxidative stress (549 ± 143 vs. 491 ± 121 UCARR; p = 0.041) and poorer functional outcomes (55.3 ± 26.1 vs. 67.1 ± 21.8; p = 0.032), despite similar cognitive improvements (19.5 ± 6.4 vs. 21.9 ± 5.2; p = 0.060) compared with men. Conclusions: This study highlights the importance of personalised treatment strategies that account for gender-specific differences to optimise recovery in post-stroke patients.
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 | 0,001 | 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 ».