COGNITIVE PREDICTORS OF MEMORY IMPAIRMENT AFTER STROKE
Notice bibliographique
Résumé
Background and Aims:Memory impairments are common after stroke and can have significant functional and prognostic implications, but the underlying mechanisms are not well understood. We hypothesized that recall and recognition memory after stroke will be differentially influenced by impairments in other cognitive domains, including executive functions and processing speed. Methods:We retrospectively analysed the performance of 198 stroke patients on the 5-word memory subtest of the MoCA (MoCA-Mem). Patients recalled the words without prompts (u2018free-recallu2019) and then with multiple-choice (u2018recognitionu2019). Using multiple linear regression, we investigated the association between MoCA-Mem performance and performance on 1) the other MoCA subtests, and 2) neuropsychology assessment of executive functions, processing speed and language. We also examined the positive and negative predictive value (PPV and NPV) of the MoCA-Mem for predicting impairment based on neuropsychology assessment of memory. Results:Of the 198 patients, 89% failed on the MoCA-Mem free-recall while 30% failed on recognition. Of the other MoCA subtests, performance on the executive domain was the only significant predictor of free-recall, while none were predictive of recognition. On neuropsychology assessment, executive function and processing speed was predictive of free-recall while language impairment was predictive of recognition. Using performance on neuropsychology assessment as the criteria, MoCA-Mem free-recall had good NPV (90.91%) but very poor PPV (42.68%) while recognition had both moderate NPV (70.83%) and PPV (71.43%).Conclusions:Recall and recognition memory impairment after stroke likely arise from separable cognitive processes. Our findings suggest that recognition memory tests may be more useful when assessing memory impairment after stroke.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».