Prevalence, risk factors and consequences of cerebral small vessel diseases: data from three Asian countries
Notice bibliographique
Résumé
BACKGROUND: Cerebral small vessel disease (SVD) has been suggested to be more common in Asians compared with Caucasians. However, data from population-based studies in Asia are lacking. We report on the prevalence, risk factors and consequences of SVD from contemporary studies in three Asian countries using 3-Tesla MRI for the evaluation of SVD. METHODS: Clinical, cognitive and 3-Tesla brain MRI assessments were performed among participants of three studies from Singapore, Hong Kong and Korea. SVD markers include white matter hyperintensities (WMHs) using the modified Fazekas scale, lacunes and microbleeds. Cognition was assessed using the Mini Mental Status Examination (MMSE) and Montreal Cognitive Assessment (MoCA). Adjustments were made for age, sex and cardiovascular risk factors. RESULTS: A total of 1797 subjects were available for analysis (mean age: 70.1±6.3 years and 57% women). The prevalence of confluent WMH was 36.6%, lacunes, 24.6% and microbleeds, 26.9%. Presence of all three SVD markers showed a steeper increase with increasing age rising from 1.9% in the lowest to 46.2% in the highest 5-year age strata. The major risk factors for the increased severity of SVD markers were advancing age and hypertension. Moreover, increasing severity of SVD markers was independently associated with worse performance on MMSE and MoCA. CONCLUSION: Elderly Asians have a high burden of SVD which was associated with cognitive dysfunction. This suggests that SVD markers should be a potential target for treatment in clinical trials so as to delay progression of cerebrovascular disease and potentially cognitive decline.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».