Risk factors of atrial fibrillation complicated with cognitive impairment and the relationship between cardiac function parameters and the degree of cognitive impairment
Notice bibliographique
Résumé
OBJECTIVE: To explore the risk factors of Atrial Fibrillation (AF) with Cognitive Impairment (CI) and to analyze the relationship between cardiac function parameters and the degree of CI in patients. METHODS: 120 AF patients were selected, and Montreal Cognitive Assessment (MoCA) was used to distinguish between AF patients with and without CI. Univariate analysis and multivariate Logistic regression analysis were used to evaluate the impact of sociodemographic data, disease-related data, and clinical data on risk factors for AF with CI. Pearson's method was used to analyze the correlation between cardiac function parameters and cognitive function scores in AF patients. RESULTS: There were 89 patients with CI and 31 patients without CI, and the MoCA scores of patients with CI were lower than those in patients without CI. Age, occupational status, educational level, combined smoking history, drinking history, and heart failure, as well as systolic blood pressure, diastolic blood pressure, total cholesterol, triglyceride, C-reactive protein, free thyroxine, free triiodothyronine, and D-dimer were risk factors for the patient with CI. Left atrial diameter, left ventricular end-diastolic diameter, left ventricular end-systolic diameter, and left atrial maximum volume in patients with CI were higher than those in patients without CI, and left ventricular ejection fraction and peak early diastolic velocity/peak late-diastolic mitral velocity ratio were lower. CONCLUSION: The cardiac function parameters of patients are closely related to attention, orientation, memory, visuospatial, and executive ability. Cardiac function parameters were closely related to cognitive functions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».