Risk factors for post-cerebral infarction cognitive dysfunction in older adults: a retrospective study
Notice bibliographique
Résumé
OBJECTIVE: Our research aims to elucidate the significance of type 2 diabetes (T2D) and provides an insight into a novel risk model for post-cerebral infarction cognitive dysfunction (PCICD). METHODS: Our study recruited inpatients hospitalized with cerebral infarction in Xijing hospital, who underwent cognitive assessment of Mini-Mental State Examination (MMSE) from January 2010 to December 2021. Cognitive status was dichotomized into normal cognition and cognitive impairment. Collected data referred to Demographic Features, Clinical Diseases, scale tests, fluid biomarkers involving inflammation, coagulation function, hepatorenal function, lipid and glycemic management. RESULTS: In our pooled dataset from 924 eligible patients, we included 353 in the final analysis (age range 65-91; 30.31% female). Multivariate logistic regression analysis was performed to show that Rural Areas (OR = 1.976, 95%CI = 1.111-3.515, P = 0.020), T2D (OR = 2.125, 95%CI = 1.267-3.563, P = 0.004), Direct Bilirubin (OR = 0.388, 95%CI = 0.196-0.769, P = 0.007), Severity of Dependence in terms of Barthel Index (OR = 1.708, 95%CI = 1.193-2.445, P = 0.003) that were independently associated with PCICD, constituting a model with optimal predictive efficiency. CONCLUSION: To the best of our knowledge, this study provides a practicable map of strategical predictors to robustly identify cognitive dysfunction at risk of post-cerebral infarction for clinicians in a broad sense. Of note, our findings support that the decline in serum direct bilirubin (DBil) concentration is linked to protecting cognitive function.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».