Alterações Neuropsicológicas na Doença Renal Crônica pré-dialítica e sua associação com o metabolismo do ferro
Notice bibliographique
Résumé
Introdução: Comprometimento cognitivo (CC) é comum no paciente renal crônico, porém pouco avaliado. A anemia e a deficiência de ferro podem contribuir para o CC. Objetivo: avaliar CC e sua associação com alterações no metabolismo do ferro na DRC pré-dialítica. Método: Estudo transversal com 54 pacientes entre 21 e 65 anos avaliados sociodemografica, clínica e laboratorialmente. Realizada triagem cognitiva completa, teste de rastreio de cognição global: Montreal Cognitive Assessment (MoCA), bateria de testes de memória, atenção, velocidade de processamento, fluência verbal e funções executivas, escalas de sono (Escala de Sonolência Diurna de Epworth, Questionário Clínico de Apnéia Obstrutiva do Sono de Berlin(AOS), Questionário de cinco perguntas de sintomas de Pernas Inquietas, depressão (Inventário de depressão de Beck, Mini-Plus para Episódio Depressivo Maior (DSM-IV) e de funcionalidade (Questionário de Atividades Funcionais de Pfeffer). Resultados: AOS esteve presente em 76,9%, pernas inquietas e sonolência diurna (35,2%) e sintomas depressivos (34,7%). O MoCA esteve alterado em 59,3%. Correlação de Pearson entre testes neuropsicológicos e Hemoglobina(Hb), índice de Saturação de Transferrina(IST), ferritina e PCRus, mostrou associação entre MoCA e Hb (r=0,310 e p=0,02). Regressão Linear utilizando três modelos ajustados por variáveis sociodemográficas e IST ou ferritina ou Hb: modelo 1 e 2-escolaridade e depressão se associaram ao MoCA, modelo 3-Hb e depressão se associaram ao MoCA. Conclusão: O nível sérico de Hb e a presença de depressão foram associadas com CC. Níveis mais baixos de ferritina se correlacionaram com o MoCA, enquanto não encontramos associação com os demais marcadores do metabolismo do ferro.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».