The Relevance of Serum Macrophage Migration Inhibitory Factor Level and Executive Function in Patients with White Matter Hyperintensity in Cerebral Small Vessel Disease
Notice bibliographique
Résumé
(1) Objective: To investigate the relationship between serum macrophage migration inhibitory factor (MIF) level and white matter hyperintensity (WMH) and executive function (EF) in cerebral small vascular disease (CSVD), and assess the impact and predictive value of MIF level and Fazekas scores in CSVD-related cognitive impairment (CI) (CSVD-CI); (2) Methods: A total of 117 patients with WMH admitted to the First Affiliated Hospital of Xinxiang Medical College from January 2022 to August 2022 were enrolled. According to the Montreal cognitive assessment (MoCA) scale, subjects were divided into a normal cognitive group and an impaired group. All subjects required serum MIF level, 3.0 T MRI, and neuropsychological evaluation to investigate the risk factors for CDVD-CI, analyze the correlation between MIF level, WMH, and EF, and to analyze the diagnostic value of MIF and WMH degree in predicting CSVD-CI; (3) Results: 1. Fazekas score and MIF level were the risk factors of CSVD-CI. 2. The Fazekas score was negatively correlated with MoCA score, positively correlated with Stroop C-Time, Stroop C-Mistake, Stroop interference effects (SIE)-Time, SIE-Mistake, and color trails test (CTT) interference effects (CIE) (B-A). 3. The MIF level was positively correlated with Fazekas score, Stroop C-Time, SIE-Time, CTT B-Time, and CIE (B-A), and negatively correlated with MoCA score. 4. Fazekas score and MIF level were significant factors for diagnosing CSVD-CI; (4) Conclusion: The Fazekas score and MIF level may be the risk factors of CSVD-CI, and they are closely correlated to CI, especially the EF, and they have diagnostic value for CSVD-CI.
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».