Correlation of serum ferritin levels with neurological function-related indices and cognitive dysfunction in patients with cerebral hemorrhage
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: The purpose of this study was to explore the correlation of serum ferritin (FS) levels with neurological function-related indices, such as neuron-specific enolase (NSE) and S100β protein levels, and cognitive dysfunction in patients with cerebral hemorrhage. MATERIALS AND METHODS: Patients with acute non-traumatic cerebral hemorrhage (cerebrovascular disease (VD), n = 128) and healthy controls (CON, n = 128) were included. FS, NSE, and S100β levels were measured using ELISA. Cognitive functions were evaluated using the Montreal Cognitive Assessment (MoCA) and Mini-Mental State Examination (MMSE). The receiver operating characteristic (ROC) curve was used to assess the ability of SE, NSE, and serum S100β to predict the diagnosis of cognitive dysfunction in patients with cerebral hemorrhage. Multivariate logistic regression analysis was used to assess the risk factors of cognitive impairment in patients with cerebral hemorrhage. RESULTS: Cognitive impairment in patients with VD was closely related to the increased levels of SE, NSE, and S100β. There was a strong correlation between MoCA and MMSE scores and the levels of FS, NSE, and S100β. The independent risk factors leading to cognitive impairment in cerebral hemorrhage mainly include family history of cerebrovascular disease, body mass index, hypertension, smoking frequency, and elevated levels of low-density lipoproteins, NSE, FS, and S100β. CONCLUSION: NSE, FS, and S100β can be used as important markers for the diagnosis of cognitive impairment in patients with cerebral hemorrhage.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle