Serum Neuroglobin as a Potential Prognostic Biomarker for Cognitive Impairment After Intracerebral Hemorrhage
Notice bibliographique
Résumé
Objective Stroke is closely related to dementia, but there are few prospective studies on cognitive decline after stroke in patients with cerebral hemorrhage. Neuroglobin is an oxygen-binding protein mainly expressed in brain neurons. The aim of our current study was to determine whether neuroglobin could serve as a biomarker for cognitive prognosis in patients with intracerebral hemorrhage (ICH). Methods Three hundred and sixteen patients with ICH were consecutively enrolled in a prospective study. Baseline data such as age and gender of ICH patients on admission were recorded. Serum neuroglobin concentrations were determined by enzyme-linked immunosorbent assay (ELISA). All ICH patients 3 months after onset were divided into post-stroke cognitive impairment group (PSCI) and non-PSCI group according to MoCA assessment results. Results The PSCI and Non-PSCI groups had serum neuroglobin concentrations of (4.7 ± 0.9) and (7.5 ± 1.1) ng/ml, respectively, with a statistically significant difference between the two groups (p < 0.05). Age, gender, LDL, FBG, SBP, DBP, NHISS, and Hematoma volume were found to be adversely connected with MoCA (p < 0.05), while education, HDL, and serum neuroglobin were found to be positively correlated with MoCA (p < 0.05). After controlling for baseline data, regression analysis revealed that serum neuroglobin was remained an efficient biomarker for predicting cognitive performance in individuals with ICH (p < 0.05). The diagnostic accuracy of blood neuroglobin concentration for PSCI in ICH patients was 72.6%, the sensitivity was 67.4%, and the specificity was 75.5%, according to receiver operating characteristic (ROC) curve analysis. Conclusions Serum neuroglobin may serve as a potential biomarker to predict cognitive decline after ICH.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».