The Role of Biomarkers in Predicting Cognitive Impairment in Elderly Patients with Heart Failure
Notice bibliographique
Résumé
OBJECTIVE: This study explores the impact of sST2, Growth Differentiation Factor 15 (GDF-15), and clinical factors on cognitive dysfunction in elderly patients with heart failure with reduced ejection fraction (HFrEF). METHODS: A cohort of 101 chronic stable HFrEF patients aged over 65 years old participated in the study. Cognitive functions were assessed using the Montreal Cognitive Assessment (MoCA) test and the Mini Mental State Examination (MMSE). Levels of sST2, GDF-15, and N-terminal pro b-type natriuretic peptide (NT-proBNP) were also measured. RESULTS: Notably higher levels of NT-proBNP and GDF-15 were observed in the group with cognitive dysfunction, whereas sST2 levels were similar between the groups. The cognitive dysfunction group consisted of older patients. A higher proportion of patients with normal cognitive function had received influenza vaccinations. Furthermore, GDF-15 levels inversely correlated with MMSE score. Right ventricular diameter was negatively correlated, while hemoglobin levels were positively correlated with both MoCA and MMSE scores. Logistic regression analysis identified increased GDF-15 levels, older age, and advanced New York Heart Association (NYHA) classes as predictors of higher cognitive dysfunction risk, whereas influenza vaccination was linked to a reduced risk of cognitive dysfunction. CONCLUSION: Cognitive dysfunction in elderly patients with heart failure may be influenced by factors such as age, right ventricular enlargement, anemia, NYHA functional class, and levels of GDF-15 and NT-proBNP.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».