MétaCan
Menu
Retour à la cohorte
Enregistrement W2375397186

Effect of the severity of white matter lesion on cognitive function: a clinical study

2013· article· en· W2375397186 sur OpenAlexaboutno aff
Yu Ji

Notice bibliographique

RevueZhongguo naoxueguanbing zazhi · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueBrain Tumor Detection and Classification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentMedicineInternal medicineCognitionClinical Dementia RatingHyperintensityWhite matterMagnetic resonance imagingCognitive impairmentPsychiatry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Objective To investigate the effect of the severity of white matter lesion( WML) on cognitive function. Methods A total of 48 patients diagnosed as WML with head magnetic resonance imaging( MRI) at Beijing Electric Power Teaching Hospital,Capital Medical University from January 2012 to January 2013 were enrolled. The cognitive function of the patients was assessed with Montreal cognitive assessment( MoCA) scale and the mini-mental state examination( MMSE) scale. The severity of WML was scored by using age-related white matter changes rating scale( ARWMCRs). According to ARWMCRs score,the WML patients were divided into either a mild WML group( 7 points) or a moderate to severe WML group( ≥ 7 points). The correlation between ARWMCRs scores and cognitive function scores was analyzed. Results The MoCA score in the mild WML group was 22. 3 ± 3. 0. It was higher than 20. 3 ± 2. 3 in the moderate to severe WML group( P 0. 01). There was no significant difference in MMSE scores between the two groups. ② Multivariate stepwise regression analysis showed that ARWMCRs score was negatively correlated with MoCA score( b =- 0. 105,P 0. 01) and MMSE score( b =- 0. 057,P 0. 01). ③ Spearman correlation analysis showed that ARWMCRs score was negatively correlated with the subitems in the MoCA scale,including visuospatial executive function( r =- 0. 398),immediate memory( r =- 0. 459),attention( r =- 0. 332),language( r =- 0. 332),abstraction( r =- 0. 229), delayed memory( r =- 0. 348),and classification reminder( r =- 0. 236)( all P 0. 01); and it was negatively correlated with the subitems in the MMSE scale score,including computing power( r =- 0. 235),delayed memory( r =- 0. 294),and language( r =- 0. 423,all P 0. 01). Conclusions The severity of WML has influence on cognitive function. The more severe the WML,the more severe the cognitive impairment will be.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,329
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZhongguo naoxueguanbing zazhiMême sujetBrain Tumor Detection and ClassificationTravaux en français237 207