Mild cognitive impairment is associated with effect of uremic metabolites on gray matter structural changes in end-stage kidney disease
Notice bibliographique
Résumé
To investigate the grey matter volume (GMV) changes and uremic metabolites in end-stage kidney disease (ESKD) patients with mild cognitive impairment (MCI) (ESKD-MCI) and further examine the classification and diagnostic efficacy of these features for ESKD-MCI patients. A total of 65 patients with ESKD, including 34 ESKD-MCI and 31 with non-cognitive impairment (ESKD-NCI), and 55 health controls (HCs) were enrolled. All participants underwent brain structural magnetic resonance imaging (MRI) scanning and Montreal cognitive assessment test. Clinical characteristics and GMV differences among these three groups were analyzed. In addition, mediation analysis was performed to determine the mediating effect of GMV changes on the association between clinical risk factors and MCI. Finally, support vector machine were employed to examine the classification and diagnostic efficacy of GMV changes and clinical features for MCI. Both patient groups exhibited widespread structural brain injury compared with the HCs. Moreover, compared with ESKD-NCI, ESKD-MCI patients demonstrated reduced GMV specifically in the left middle temporal gyrus and inferior temporal gyrus. Notably, these GMV changes completely mediates the effect of serum phosphorus levels on MCI. Furthermore, imaging features rather than serum phosphorus levels had good classification and diagnostic efficacy for ESKD-MCI. Our findings underscore the significance of the left temporal gyrus as a pivotal brain region in ESKD-MCI patients, fully mediating the link between uremic metabolite and MCI. GMV alterations presents a promising avenue for effectively detecting MCI in individuals with ESKD.
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 | 0,000 |
| 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 ».