Notice bibliographique
Résumé
Objective: Stroke is a common long-term condition with an increasing incidence as the population ages. Stroke symptoms often include cognitive impairment. Dyslipidemia is a well-known risk factor for stroke. The aim of the study was to investigate the cognitive impairment, lipid profile characteristics and patterns of statin therapy in patients with non-hemorrhagic stroke. Design and method: In 100 patients with acute ischemic stroke (42% male, 69.2 ± 8.9 (M ± SD) years, current smoking 30%, abdominal obesity 74%, arterial hypertension 97%, myocardial infarction 14%, previous non-hemorrhagic stroke 35%, diabetes mellitus 19%, brachiocephalic atherosclerosis 78%, atrial fibrillation 23%, chronic heart failure NYHA II/III 32/4%, chronic kidney disease 12%, estimated glomerular filtration rate 67.1 ± 17.1 ml/min/1.73 m2, alcohol abuse 12%, anemia 13%, previous statin therapy 9% the cognitive impairment, lipid profile characteristics and frequency of statin therapy were assessed. Cognitive functions were evaluated by using the Montreal Cognitive Assessment (MoCA) scale. Results: 96 (96%) patients had cognitive disfunction: 20.1 ± 4.3 scores by MoCA scale. 86 (86%) patients had dyslipidemia. The mean levels of lipids were 5.5 ± 1.3 mmol/l for total cholesterol (TC), 1.1 ± 0.3 mmol/l for HDL-C, 3.6 ± 0.9 mmol/l for LDL-C and 2.1 ± 0.6 mmol/l for triglycerides (TG). 17 (17%) patients were treated by statins during hospitalization. All of them took a low-dose statin. Conclusions: 96% of patients with non-hemorrhagic stroke have cognitive impairment according to MoCA scale, 86% of patients have dyslipidemia, only 9% and 17% of patients receive low-dose statin therapy ambulatory and at hospital respectively. There is a substantial gap between the guidelines and real practice of statin therapy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».