Abstract 47: Renal Function, MRI Brain Changes and Post-stroke Cognitive Impairment
Notice bibliographique
Résumé
Background and Purpose: Limited data exist regarding the relationship between chronic kidney disease (CKD) and post-stroke cognitive impairment. We aimed to evaluate the impact of impaired renal function on markers of cerebral small vessel disease, brain pathology and cognitive decline in a longitudinal post-stroke cohort. Methods: The TABASCO study is a prospective cohort of mild-moderate ischemic stroke/TIA patients, who underwent a 3T MRI, and were assessed for their cognitive function at hospital admission, 6, 12 and 24 months following stroke, using the Montreal Cognitive Assessment (MoCA) and a computerized cognitive testing battery. Estimated renal function was evaluated at admission using the Cockcroft Gault creatinine clearance (CCl) equation. The volume and integrity of preexisting white matter hyperintensity (WMH), ischemic lesions and brain atrophy on MRI were measured. Results: Baseline data were available for 462 subjects (mean age 67.4 years, 60.4% males). Participants with a CCl <60 ml/min performed significantly worse in all cognitive tests over time (p<0.001) than those with a CCl ≥60 ml/min. CKD was also associated with enlarged WMH volume (p<0.001), cortical atrophy (p=0.002) and smaller hippocampal volume (p<0.001). After the 2-years follow-up, 16% of the participants developed cognitive impairment. Multiple logistic regression analysis controlling for traditional risk factors, including cardiovascular, showed a significant association of CCl <60 ml/min at baseline with development of cognitive impairment at the end of follow-up [odds ratio: 2.99 (95% confidence interval: 1.08-8.27), p = 0.035]. Conclusions: Decreased renal function is associated with increased WMH volume and cortical atrophy, known biomarkers of the aging brain, and is a predictor of lower performances in cognitive tests and cognitive decline 2 years after stroke/TIA. CKD may contribute to cerebral small vessel disease that underlies post-stroke cognitive decline, suggesting a new target for early intervention.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».