MétaCan
Menu
Retour à la cohorte
Enregistrement W4391535324 · doi:10.32996/jmhs.2024.5.1.6

Relationship between Serum Glial Fibrillary Acidic Protein and Neurogranin Levels and Cognition in Multiple Sclerosis

2024· article· en· W4391535324 sur OpenAlexaboutno aff
Murat Alpua, Üçler Kısa, Ercan Tekin, Ufuk Ergün

Notice bibliographique

RevueJournal of Medical and Health Studies · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurological Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlial fibrillary acidic proteinNeurograninMultiple sclerosisCognitionNeuroscienceChemistryMedicinePsychologyBiochemistryInternal medicineImmunologyImmunohistochemistry

Résumé

récupéré en direct d'OpenAlex

Multiple sclerosis is an inflammatory neurodegenerative disorder, and cognitive problems occur in the early and late phases of the disease. The purpose of this study was to investigate the relationship between serum glial fibrillary acidic protein and neurogranin levels and cognition in patients with multiple sclerosis (MS). Twenty-three patients and 25 healthy controls were included in the study. Serum glial fibrillary acidic protein (GFAP) and neurogranin (NRGN) levels were determined on blood samples from patients and controls. Disease duration and EDSS scores of patients were recorded, and the Montreal Cognitive Assessment (MOCA) scale was used for cognitive assessment. There was no statistically significant difference between the two groups in terms of serum NRGN and GFAP levels. MOCA scores were lower in the patient group than in the healthy control group. No statistically significant correlation was found between NRGN and GFAP serum levels and MOCA scores. Our study showed that there was no statistically significant association between serum NRGN and GFAP levels and cognition in MS patients. This study is the first to examine serum GFAP and NRGN levels in the context of cognition in MS.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,425
Tête enseignante GPT0,408
Écart entre enseignants0,017 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical and Health StudiesMême sujetNeurological Disease Mechanisms and TreatmentsTravaux en français237 207