The impact of prolonged high-concentration cortisol exposure on cognitive function and risk factors: Evidence from Cushing's disease patients
Notice bibliographique
Résumé
Background: Prolonged high-concentration cortisol exposure may impair cognitive function, but its mechanisms and risk factors remain unclear in humans. Objective: Using Cushing's disease patients as a model, this study explores these effects and develops a predictive model to aid in managing high-risk patients. Methods: This single-center retrospective study included 107 Cushing's disease patients (January 2020-January 2024) at the First Medical Center of the PLA General Hospital. Cognitive function, assessed using the Montreal Cognitive Assessment, revealed 58 patients with cognitive impairment and 49 with normal cognitive function. Patients were divided into training (n = 53) and validation cohorts (n = 54) for constructing and validating the predictive model. Risk factors were identified via univariate analysis and least absolute shrinkage and selection operator regression, and a nomogram prediction model was developed. Performance was evaluated using receiver operating characteristic (ROC) curves, calibration curves, and decision curve analysis (DCA). Results: Cortisol AM/PM ratio, 8 a.m. cortisol concentration, body mass index, and fasting plasma glucose were significant risk factors for cognitive impairment. The nomogram demonstrated strong predictive ability, with ROC values of 0.80 (training) and 0.91 (validation). DCA indicated superior clinical utility compared to treating all or no patients. Conclusions: This study confirms the significant impact of prolonged high cortisol exposure on cognitive function and identifies key risk factors. The nomogram model offers robust performance, providing a valuable tool for managing Cushing's disease patients' cognitive health and informing strategies for other cortisol-related disorders.
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 | 0,000 | 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 | 0,000 |
| 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 ».