MétaCan
Menu
Retour à la cohorte
Enregistrement W4365204608 · doi:10.3969/j.issn.1673-5765.2018.11.003

青年卒中后认知障碍的危险因素分析 Analysis of Risk Factors of Post-stroke Cognitive Impairment in Young Stroke Patients

2018· article· zh· W4365204608 sur OpenAlexaboutno aff
纪勇 吴昊

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2018
Typearticle
Languezh
DomaineNeuroscience
ThématiqueNeurological Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStroke (engine)Cognitive impairmentMedicineCognitionPhysical medicine and rehabilitationPsychiatryEngineering

Résumé

récupéré en direct d'OpenAlex

目的 探讨青年卒中后认知障碍(post-stroke cognitive impairment,PSCI)的危险因素。 方法 连续收集2016年12月-2017年12月在天津市环湖医院神经内科住院的18~45岁的缺血性卒中 患者165例,记录患者人口学资料、血管危险因素、实验室检查资料,所有患者于发病14 d内行蒙特利 尔认知评估量表(Montreal cognitive assessment scale,MoCA)测评,根据MoCA评分<26分认为认知功 能障碍,分为PSCI组和认知功能正常组,采用多因素Logistic回归分析青年PSCI的独立危险因素。 结果 研究共纳入165例青年卒中患者,其中男性128例(77.6%),平均年龄(40.02±5.20)岁。青年 卒中发病14 d内出现PSCI的比例为64.8%(107例)。多因素Logistics回归分析显示较低受教育程度[比 值比(odds ratio,OR)6.752,95%可信区间(confidence interval,CI)1.385~32.906,P =0.018]、入院 时NIHSS评分较高(OR 1.660,95%CI 1.372~2.009,P<0.001)、既往缺血性卒中(OR 3.728,95%CI 1.376~10.104,P =0.010)是青年PSCI的独立危险因素。 结论 青年PSCI的患病率仍较高,较低受教育程度、入院时NIHSS评分较高、既往缺血性卒中的患者 PSCI风险更高。 Abstract: Objective To investigate the risk factors of post-stroke cognitive impairment (PSCI) in young ischemic stroke patients. Methods Young patients (age 18-45 years) with ischemic stroke in neurology department of Tianjin Huanhu hospital from December 2016 to December 2017 were enrolled consecutively. Demographic information, vascular risk factors, laboratory test results were collected. All of the patients were assessed by Montreal cognitive assessment (MoCA) scale within 14 days from onset. According to the MoCA score, all patients were divided into PSCI (MoCA score <26) group and normal cognitive function group. Multivariate Logistic regression analysis was used to analyze the independent risk factors of young PSCI. Results A total of 165 young patients (mean age 40.02 ± 5.20; 77.6% male) were identified, and 64.8% (n =107) had PSCI within 14 days from onset. Multivariate Logistic regression analysis showed that the lower level of education [odds ratio (OR) 6.752, 95% confidence interval (CI) 1.385-32.906, P =0.018], higher NIHSS score on admission (OR 1.660, 95%CI 1.372-2.009, P <0.001), previous ischemic stroke (OR 3.728, 95%CI 1.376-10.104, P =0.010) were independent risk factors of PSCI in young adult stroke patients. Conclusions The prevalence of PSCI in young people is still high, especially those with lower level of education, higher NIHSS score on admission and previous ischemic stroke, should be paid more attention to screen PSCI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,138
Tête enseignante GPT0,480
Écart entre enseignants0,343 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetNeurological Disease Mechanisms and TreatmentsTravaux en français237 207