P2257Self-care abilities and depression symptoms linked to brain injury in heart failure
Notice bibliographique
Résumé
Abstract Heart failure (HF) patients show brain damage in regions controlling mood, autonomic, and cognitive functions. HF patient's exhibit symptoms related to depression, anxiety, poor sleep quality, daytime sleepiness, impaired cognition, and poor self-care, however, the relationship between brain damage and disease related symptoms is unclear. Therefore, our aim was to correlate gray matter density in prefrontal cortices, hippocampus, and insular lobe with disease symptoms using T1-weight voxel based morphometry procedure and evaluate the measure that predicts the brain damage. Methods Two high-resolution T1-weighted data were collected from each 42 HF subjects (age, 55.65±7.61; 30 male; LVEF 27.74±9.40%; NYHA class II/III) using a 3.0-Tesla MRI scanner. Depression, anxiety, sleep quality, daytime sleepiness, cognition, and self-care issues were examined with Beck Depression Inventory (BDI), Beck Anxiety Inventory (BAI), Pittsburgh Sleep Quality Index (PSQI), Epworth Sleepiness Scale (ESS), Montreal Cognitive Assessment (MoCA), and Self-Care of Heart Failure Inventory (SCHFI) respectively. Both T1-weighted scans were realigned, averaged, and segmented into gray matter (GM), white matter, and cerebrospinal fluid tissue type. GM maps were normalized (unmodulated) to a common space and smoothed to obtain GM density maps. The smoothed GM density maps were used to examine the association of brain damage with disease symptoms (SPM 12; partial correlation; covariates, age and gender; p<0.005). Region of interest analyses were performed in prefrontal cortices, insular lobe and hippocampus to evaluate the correlation using partial correlation (SPSS, covariates, age and gender, p<0.05). Results The average scores for BAI 9.55±9.90, BDI 8.69±7.05, ESS 7.00±3.72, MoCA 24.64±3.48, PSQI 6.62±3.90, maintenance 73.12±13.78, management 70.28±13.98, and confidence 73.77±15.96 were calculated. Significant negative correlations was observed between GM density values and BAI (prefrontal cortices, r=−0.532, p<0.001), BDI (prefrontal cortices, r=−0.60, p<0.001; insula, r=−0.528, p<0.001, hippocampus, r=−0.432, p<0.005), ESS (prefrontal cortices, r=−0.419, p=0.007; insula, r=−0.443, p=0.004), and PSQI (prefrontal cortices, r=−0.517, p=0.001) scores, and positive correlation between GM density values, MoCA (prefrontal cortices, r=0.462, p=0.003) and SCHFI scores (maintenance: prefrontal cortices, r=0.422, p=0.007; insula, r=0.412, p=0.009, hippocampus, r=0.455, p=0.004; management: prefrontal cortices, r=0.728, p=0.001; insula, r=0.707, p=0.001, hippocampus, r=0.775, p<0.001) (Figure 1). Figure 1 Conclusions HF subjects show more wide-spread and significant correlations between regional GM density values and BDI as well as SCHFI management scores compared to the other disease symptom measures. The findings suggest that damage in mood, autonomic, and cognitive functions sites better correlate with BDI and SCHFI over other measures. Acknowledgement/Funding NIH/NINR 1R01 NR014669
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».