Correlation of electrolytes with falling risk, cognitive function, and functional outcome in acute ischemic stroke patient
Notice bibliographique
Résumé
Stroke outcome is determined on multiple factors. However, there are limited studies discussing the impact of electrolyte imbalance on stroke outcome. In this study, we analyzed sodium, calcium, and potassium level in acute ischemic stroke, and compare their risk of falling, cognitive function, and functional outcome. This was a cross-sectional study in Dr. Moewardi General Hospital, Indonesia between January and June 2023. Patient with acute ischemic stroke were enrolled in this study. Cognitive function was assessed with mini mental state examination (MMSE) and the Indonesian version of montreal cognitive assessment (MoCA-Ina). National Institutes of Health Stroke Scale (NIHSS), Modified Rankin Scale (MRS) and Morse Fall Score (MFS) were used to assessed stroke severity, disability, and risk of falling, respectively. Pearson correlation was then performed to evaluate the correlation of electrolytes level with MMSE, MoCA-Ina, NIHSS, MRS, and MFS. Furthermore, we also analyzed the odds ratio of increasing risk of falling, cognitive function deterioration, and worse functional outcome. A p-value of <0.05 is considered statistically significant. On univariate analysis, natrium is correlated with MMSE (r=0.174; p=0.042), NIHSS (r=-0.412; p=0.011), MRS (r=-0.174; p=0.042), and MFS (r=-0.304; p=0.042). Potassium is correlated with MMSE (r=0.344; p=0.044), MoCA-INA (r=0.341; p=0.048), NIHSS (r=-0.572; p=0.019), (MRS r=-0.376; p=0.017), and MFS (r=-0.612; p=0.031). Calcium is correlated with NIHSS r=-0.348 (p=0.018), MRS r=-0.256 (p=0.036). On odds ratio analysis, low natrium level increased the risk of deteriorating cognitive function, and low level of potassium increased the risk of falling. Electrolyte imbalances correlates with risk of falling and deteriorating 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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».