Correlation between pulsatility index of medial cerebri artery and cognitive function in patients with diabetes mellitus type 2
Notice bibliographique
Résumé
Background: Cognitive impairment is prevalent among cerebrovascular disease (CVD). Diabetes mellitus type 2 (DMT2) is a major risk factor of CVD. Gold standard used for diagnosing vascular cognitive impairment (VCI) required a combination of neurophysiological approach and magnetic resonance imaging (MRI). The Neurosonological approach, involving measuring the pulsatility index (PI) of the middle cerebral artery (MCA) using Trans Cranial Doppler (TCD) could be applied as an affordable alternative to predict VCI. The objective of this study was to revealed the correlation between PI MCS and cognitive function among DMT2 patients.Methods: This study was a cross-sectional survey in patients with DMT2 visiting Neurology and Endocrine Outpatient Clinics at Prof. Dr. R. D. Kandou Manado General Hospital, who meet the inclusion and exclusion criteria. Sixty (60) subjects were examined by TCD with 2 MHz to assess the hypo-perfusion level. Their cognitive were assessed with the Indonesian version of Montreal Cognitive Assessment (MoCa-Ina).Results: Right and left MCA median PI was 1.1 (IQR 0.9-1.4) and 1.0 (IQR 0.9-1.2) consecutively. MoCa-Ina median score was approximately 25 (IQR 22-26). Boxplot graph showed left PI MCA median score was higher in patients with normal cognitive function compared with cognitive impairment. Authors could not reach any significant statistical difference between PI MCA score and its correlation with cognitive function (p>0.05).Conclusions: Majority of patients with DMT2 have PI MCA score within normal range. Cognitive function among patient with DMT2 was mostly impaired. There is no correlation between PI MCA with cognitive function of patients with DMT2.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».