Serum multi-trace elements and post-stroke cognitive impairment: a prospective observational cohort study
Notice bibliographique
Résumé
Post-stroke cognitive impairment (PSCI) significantly affects stroke survivors. Identifying modifiable risk factors for PSCI is essential. Serum multi-trace elements are crucial for neurological function but vary in concentration among older adults. It remains unclear whether increasing multi-trace elements can reduce the incidence of PSCI. We investigated the associations between baseline serum multi-trace elements and PSCI. The Montreal Cognitive Assessment defined PSCI. We used logistic regression analyses to evaluate the association between serum multi-trace elements and PSCI. Subsequently, we assessed the associations between serum multi-trace elements and three different cognitive domains using the Kruskal-Wallis test. We further evaluated improvements in the predictive ability of serum multi-trace elements. Finally, 626 patients (mean age: 62.85 ± 7.54 years) were followed up for a median of 1.2 years. Lower concentrations of serum iron (odds ratio [OR] = 2.498, 95% confidence interval [CI]: 1.505-4.145) and zinc (OR = 2.015, 95% CI: 1.233-3.293) were associated with a higher PSCI risk. Higher concentrations of serum iron (OR = 0.368, 95% CI: 0.227-0.595) and magnesium (OR = 0.273, 95% CI: 0.164-0.454), along with lower concentrations of serum copper (OR = 0.544, 95% CI: 0.34-0.872), were significantly correlated with a lower PSCI risk. Cognitive impairments varied across multi-trace elements. Serum iron affected wider cognition, while magnesium and copper levels were strongly associated with language and executive function. Adding serum multi-trace elements to the conventional model improved PSCI risk reclassification (area under curve: 0.676-0.718). Multi-trace elements may influence PSCI progression. This study was registered with the Chinese Clinical Trial Registry (URL: https://www.chictr.org.cn/ ; unique identifier: ChiCTR1900022675).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».