Association Between Spinal Cord Injury and Cognitive Impairment, and the Mediating Role of Inflammation
Notice bibliographique
Résumé
BACKGROUND: Spinal cord injury (SCI), typically resulting from trauma or cranial surgery, often causes motor and sensory deficits and may also impair brain function, leading to cerebral edema, elevated intracranial pressure, and cognitive decline. Growing evidence implicates systemic inflammation as a key mediator of SCI-related cognitive impairment, yet clinical validation remains limited. This study explores the association between SCI and cognitive dysfunction, with a focus on the mediating role of inflammation. METHODS: A retrospective cohort of 157 participants (SCI patients and controls) at the Affiliated Hospital of Qingdao University (January 2023-October 2024) was analyzed. Neurological impairment (ASIA) and acute-phase inflammatory markers (NLR, PLR, LMR, and SII) were assessed. MoCA evaluated cognitive function at 3 months. Logistic regression and mediation analysis quantified associations. RESULTS: SCI patients had a 151% higher risk of cognitive impairment than controls (adjusted OR=2.51, 95% CI: 1.82-3.64), especially among older adults, those with lower education, and hypertensive individuals. NLR and SII mediated 12% and 16% of the association, respectively; PLR showed a weaker effect (6%). LMR mediated 11% ( P =0.02) but had a protective direct effect (β=0.79), indicating possible compensatory mechanisms. Smoking and alcohol use further increased risk, while higher education was protective (OR=0.38). CONCLUSION: Systemic inflammation partially mediates SCI-related cognitive decline, with NLR and SII as key contributors. Blood-based inflammatory markers may aid in risk stratification and guide anti-inflammatory, lifestyle-based interventions to improve cognitive outcomes in SCI patients.
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 | 0,004 |
| 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 ».