Lacunes and type 2 diabetes mellitus have a joint effect on cognitive impairment: a retrospective study
Notice bibliographique
Résumé
Objective To evaluate the joint effects of cerebral small vessel disease (CSVD)-related imaging biomarkers in patients of type 2 diabetes mellitus (T2DM) with cognitive impairment. Methods This study is a retrospective cohort study. A total of 227 participants (115 patients with T2DM and 112 healthy control subjects) were enrolled in this study. Cognitive function assessments were evaluated using the Mini-Mental State Examination and the Montreal Cognitive Assessment. The burden of CSVD markers, including the lacunes, white matter hyperintensities (WMH), cerebral microbleeds (CMBs), and enlarged perivascular spaces (PVS), was identified by magnetic resonance imaging and evaluated using small vessel disease (SVD) scores (0–4). The subjects were divided into two groups based on the results of the cognitive function assessments. The synergy index was used to estimate the biological interactions between T2DM and lacunes. Results There was a significant correlation between T2DM and cognitive impairment ( p < 0.001, χ 2 test). In patients with diabetes, cognitive impairment was significantly associated with both the presence of lacunes ( p < 0.01, χ 2 test) and increased total SVD burden scores ( p < 0.01, χ 2 test). Regarding CMBs, only the existence of lobar CMBs was correlated with cognitive impairment ( p < 0.05, χ 2 test). The joint effect tended to be larger than the independent effects of T2DM and lacunes on cognitive impairment (adjusted odds ratio [OR]: 7.084, 95% CI [2.836–17.698]; synergy index: 10.018, 95% CI [0.344–291.414]). Conclusions T2DM and the presence of lacunes are significantly correlated with cognitive impairment. There was a joint effect of T2DM and lacunes on cognitive impairment.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».