MétaCan
Menu
Retour à la cohorte
Enregistrement W4285745225 · doi:10.2147/cia.s355242

Factors Influencing Post-Stroke Cognitive Impairment in Patients with Type 2 Diabetes Mellitus

2022· article· en· W4285745225 sur OpenAlex
Zhao-Yin Ma, Yong-Ya Wu, Hong-Yin-Long Cui, Guang-Yan Yao, Hong Bian

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueClinical Interventions in Aging · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurological Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineGlycated hemoglobinDiabetes mellitusConfidence intervalType 2 Diabetes MellitusOdds ratioNeurologyCerebral infarctionNeuropsychologyStroke (engine)CognitionType 2 diabetesPhysical therapyPsychiatryEndocrinologyIschemia

Résumé

récupéré en direct d'OpenAlex

Objective: Type 2 diabetes mellitus (T2DM) and ischemic stroke, which are common diseases among older people, are closely related to cognitive impairment. This study aims to investigate the influencing factors of post-stroke cognitive impairment (PSCI) in patients with T2DM. Methods: We enrolled 161 patients with T2DM who experienced acute ischemic stroke and were hospitalized in the Department of Neurology, Jinan Central Hospital, Shandong, China. Cognitive function was evaluated with the Montreal Cognitive Assessment scale. According to the results, patients were divided into three groups-the cognitively normal group, mild cognitive impairment group, and severe cognitive impairment group. We analyzed general demographic data, laboratory information, imaging data, the results of neuropsychological evaluation, and clinical features as well as influencing factors of PSCI in these patients and established a prediction model. Results: The three groups of patients were significantly different in terms of age, education level, course of diabetes mellitus (DM), recurrent cerebral infarction (RCI), and other factors. RCI, course of DM, and glycated hemoglobin (HbA1c) were independent risk factors of PSCI in patients with T2DM, with odds ratio (95% confidence interval): 7.17 (2.09, 30.37), 5.39 (2.40, 14.59), and 3.89 (1.66, 10.04), respectively, whereas female, senior high school, serum albumin were protective factors: 0.28 (0.07, 0.95), 0.05 (0.01, 0.21), 0.20 (0.08, 0.42), respectively. Furthermore, we constructed a prediction model using sex, age, education level, RCI, DM course, HbA1c and serum albumin and obtained a receiver operating characteristic (ROC) curve. The area under the ROC curve is 0.966, suggesting the significant association of these influencing factors with PSCI in patients with T2DM. Conclusion: In this study, the occurrence of PSCI in patients with T2DM was related to RCI, course of DM, and HbA1c, among other factors. Attention to influencing factors is needed in these patients for early diagnosis and timely intervention of 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,362
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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