MétaCan
Menu
Retour à la cohorte
Enregistrement W4307552890 · doi:10.3390/brainsci12111445

Analysis of Risk Factors for Cerebral Microbleeds and the Relationship between Cerebral Microbleeds and Cognitive Impairment

2022· article· en· W4307552890 sur OpenAlexaboutno aff
Huiwen Zheng, Yong Yuan, Zuohui Zhang, Jing Zhang

Notice bibliographique

RevueBrain Sciences · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueIntracerebral and Subarachnoid Hemorrhage Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitive impairmentCognitionMedicineNeurosciencePsychologyCardiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

(1) Background: Cerebral microbleeds (CMBs) are attracting increasing attention. Nevertheless, the risk factors for CMBs remain poorly identified, and the relationship between CMBs and cognitive impairment is still up for debate; (2) Objective: The present study analyzed the risk factors for CMBs and probed into the potential correlations between the presence, number, and location of CMBs and cognition; (3) Methods: This study enrolled 406 subjects who underwent both brain 3.0-T magnetic resonance imaging scans and cognitive testing. Spearman correlation was used to assess the relationship between the number of CMBs and cognition. Multiple linear regression was utilized to analyze the relationship between the regions of CMBs and each cognitive domain; (4) Results: Multivariate logistic regression analysis results showed that age (odds ratio (OR) = 1.045, 95% confidence interval (95%CI; 1.009, 1.082)), smoking (OR = 3.604, 95%CI (1.995, 6.509)), hypertension (OR = 3.607, 95%CI (2.204, 5.901)), total cholesterol (OR = 0.611, 95%CI (0.467, 0.799)), and Amyloid-β1-42 (Aβ1-42) (OR = 1.028, 95%CI (1.018, 1.037)) were the influencing factors of CMBs. Education years (OR = 0.959, 95%CI (0.930, 0.988)), white matter lesions (OR = 2.687, 95%CI (1.782, 4.051)), and CMBs (OR = 21.246, 95%CI (5.728, 21.576)) were the risk factors for cognitive impairment. Hypertension increased the probability of deep CMBs (OR = 12.54, 95%CI (2.21, 71.28)), while Aβ1-42 elevated the probability of lobar CMBs (OR = 1.02, 95%CI (1.00, 1.03)). There was a linear correlation between the number of CMBs and Montreal Cognitive Assessment scores (r = −0.756, p < 0.001). However, CMBs in each region were not related to specific cognitive domains (p > 0.05), except CMBs in the mixed group that were negatively correlated with attention (OR = −0.669, 95%CI (−0.034, −5.270)); (5) Conclusions: Taken together, serum Aβ1-42 levels are related to the presence of CMBs. Cognitive impairment is correlated with the number of CMBs rather than their region. These findings suggest that CMBs play a role in cognitive impairment and that CMBs mark the presence of diffuse vascular injury and neurodegenerative brain damage.

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 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)0,003
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 enseignants0,018
Score d'incertitude au seuil0,955

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
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 Opus0,046
Tête enseignante GPT0,328
Écart entre enseignants0,282 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain SciencesMême sujetIntracerebral and Subarachnoid Hemorrhage ResearchTravaux en français237 207