Serum Galectin‐3 as a Potential Predictive Biomarker Is Associated with Poststroke Cognitive Impairment
Notice bibliographique
Résumé
Objective . Galectin‐3, an inflammatory mediator derived from microglia, participates in the pathophysiological process of various neurological diseases. However, the relationship between galectin‐3 and poststroke cognitive impairment (PSCI) remains ambiguous. This research purposed to prove whether serum galectin‐3 can predict PSCI. Methods . In the end, an aggregate of 416 patients with the first acute ischemic stroke (AIS) were continuously and prospectively enrolled in the study. Upon admission, the baseline data of AIS patients were collected, and their serum galectin‐3 levels were measured. Three months after the stroke, the Montreal Cognitive Scale (MoCA) was utilized to measure the cognitive function of AIS patients, and PSCI was defined as a MoCA score less than 26 points. Results . Premised on the MoCA scores, patients were categorized into PSCI cohort and non‐PSCI cohort. The two AIS patient cohorts did not exhibit any statistical difference in their baseline characteristics ( p > 0.05). However, the serum galectin‐3 level of AIS patients in the PSCI cohort was considerably elevated ( p < 0.001). Pearson correlation analysis illustrated that serum galectin‐3 level was negatively linked to MoCA score ( r = −0.396, p < 0.05). The findings from the receiver‐operating curve (ROC) illustrated that the sensitivity of serum galectin‐3 as a possible biomarker for diagnosing PSCI was 66%, and the specificity was 94%. The cut‐off value of serum galectin‐3 to diagnose PSCI is 6.3 ng/mL (OR = 5.49, p < 0.001). Upon controlling for different variables, serum galectin‐3 level remained to be an independent predictor of PSCI ( p < 0.001). Conclusions . Elevated serum galectin‐3 levels are linked to a higher risk of PSCI. Serum galectin‐3 could be a prospective biomarker for predicting PSCI.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».