Phase Lag Index of Resting-State EEG for Identification of Mild Cognitive Impairment Patients with Type 2 Diabetes
Notice bibliographique
Résumé
Mild cognitive impairment (MCI) is one of the important comorbidities of type 2 diabetes mellitus (T2DM). It is critical to find appropriate methods for early diagnosis and objective assessment of mild cognitive impairment patients with type 2 diabetes (T2DM-MCI). Our study aimed to investigate potential early alterations in phase lag index (PLI) and determine whether it can distinguish between T2DM-MCI and normal controls with T2DM (T2DM-NC). EEG was recorded in 30 T2DM-MCI patients and 30 T2DM-NC patients. The phase lag index was computed and used in a logistic regression model to discriminate between groups. The correlation between the phase lag index and Montreal Cognitive Assessment (MoCA) score was assessed. The α-band phase lag index was significantly decreased in the T2DM-MCI group compared with the T2DM-NC group and showed a moderate degree of classification accuracy. The MoCA score was positively correlated with the α-band phase lag index (r = 0.4812, moderate association, p = 0.015). This work shows that the functional connectivity analysis of EEG may offer an effective way to track the cortical dysfunction linked to the cognitive deterioration of T2DM patients, and the α-band phase lag index may have a role in guiding the diagnosis of T2DM-MCI.
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 | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 ».