The Impact of Hypertension and Atrial Fibrillation on Cognitive Decline and Subclinical Atherosclerosis
Notice bibliographique
Résumé
Background: Assessment of cognitive impairment and the presence of subclinical atherosclerosis are very important especially in patients with cardiovascular risk factors. Methods: We included 155 hypertensive patients (84 with AF versus 71 without AF) to identify the premature cognitive impairment, the earliest signs of subclinical atherosclerosis and onset of myocardial dysfunction and to evaluate the type of anticoagulation used, the importance of CHA₂DS₂-VASc score (</>3), age (</>65 years) in hypertensive patients with AF. Results: Mini-Mental State Examination (MMSE), Montreal Cognitive Assessment Scale (MoCA), Left Ventricular Ejection Fraction (LVEF) were significantly decreased, and Activities of Daily Living Score (ADL), Geriatric Depression Scale(GDS-15), and intima–media thickness (IMT) were significantly increased in hypertensive patients with AF vs. without AF (p < 0.05). MMSE was significantly decreased, ADL and IMT were significant increased in patients with AF and CHA₂DS₂-VASc>3 and non-vitamin K antagonists oral anticoagulants therapy (NOACs)(p < 0.05). Patients with age >65 with AF had higher rates of cognitive impairment (MMSE significant decrease) and a larger IMT (significant increase) versus patients with AF and age <65 (p < 0.05). Conclusions: Cognitive impairment is encountered in hypertensive patients having AF. Our conclusions suggest a direct link between cognitive impairment, depression, hypertension, AF, age, CHA₂DS₂-VASc score, type of anticoagulants used, LVEF, cognitive parameters, and IMT. We acknowledge the importance of identifying and preventing cognitive changes.
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) | 0,000 | 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) | 0,000 | 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 ».