Correlation between serum S100β protein levels and cognitive dysfunction in patients with cerebral small vessel disease: a case–control study
Notice bibliographique
Résumé
The present study was designed to explore the correlation between serum S100β levels and cognitive dysfunction in patients with cerebral small vessel disease (SVD). A total of 172 SVD patients participated in the study, and they were assigned to patients with no cognitive impairment (NCI group) and those with vascular cognitive impairment no dementia (VCIND group). In total, 105 people were recruited into the normal control group. Serum S100β protein level was detected by ELISA. A receiver operating characteristic (ROC) curve was employed for the predictive value of serum S100β in diagnosing SVD with cognitive dysfunction. Pearson correlation analysis was used to examine the association of S100β level with mini-mental state examination (MMSE) and Montreal cognitive assessment (MoCA) and the association of S100β levels with hypertension. Logistic regression analysis was used to analyze risk factors of SVD. The serum S100β levels in the VCIND group were higher than those in the NCI and normal control groups. Logistic regression analysis revealed that a high serum S100β protein level, hypertension, and high low density lipoprotein-cholesterol (LDL-C) level were the independent risk factors for SVD. In addition, hypertension patients showed higher S100β levels than those with normal blood pressure and the normal control group, and there was a positive correlation between S100β level and blood pressure. The concentration of serum S100β level was related to impairment of cognition function of VCIND patients, therefore, early detection of serum S100β was of great value for diagnosis of SVD.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».