Cognitive features of white matter lesions accompanied by different risk factors of cerebrovascular diseases
Notice bibliographique
Résumé
BACKGROUND: The relationship between different risk factors and the cognitive impairment of white matter lesions (WML) remains poorly understood. OBJECTIVES: To investigate the features of cognitive impairment of patients diagnosed with WML accompanied by different risk factors of cerebrovascular diseases. MATERIAL AND METHODS: A total of 157 cases of WML patients were divided into no risk factor group (n = 26), hypertension group (n = 35), diabetes mellitus group (n = 27), dyslipidemia group (n = 30), and mixed factors group (n = 39). RESULTS: The severity of WML (Fazekas score) in the hypertension and mixed factors groups was higher than in the non-risk factors group. The Montreal Cognitive Assessment (MoCA) scores in the hypertension and mixed factors groups were lower than in the non-risk factors group. The scores of MoCA, immediate memory and delayed recall in the hypertension and mixed factors groups with Fazekas score ≥3 were lower than in the peer group with Fazekas score <3. The scores of MoCA and immediate memory in the hypertension and mixed factors groups with Fazekas score ≥3 were lower than in the non-risk factors group with Fazekas score ≥3. CONCLUSIONS: Hypertension aggravates the severity of WML and cognitive impairment. The severity of WML is positively correlated with the severity of cognitive impairment accompanied by these risk factors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».