Relationship between phase lag index measured by electroencephalography and cognitive dysfunction in patients with cerebral small vessel disease
Notice bibliographique
Résumé
OBJECTIVES: Cerebral small vessel disease (CSVD) is a primary cause of cognitive impairment (CI) in the elderly. This study aims to explore the relationship between the phase lag index (PLI), derived from electroencephalography (EEG), and cognitive dysfunction in patients with CSVD. METHODS: This retrospective study included patients diagnosed with CSVD from May 2020 to December 2023. EEG data were recorded using 64 electrodes and analyzed for PLI across four frequency bands. Cognitive function was assessed using the Mini-Mental State Examination (MMSE) and the Montreal Cognitive Assessment (MoCA). Blood pressure variability was monitored using a 24-hour portable device. RESULTS: The study included 264 patients, categorized into two groups: CI group (n = 102) and no CI group (n = 162). The CI group exhibited significantly lower global alpha-band PLI (0.28 vs. 0.31, P = 0.006) and reduced alpha-PLI across multiple electrode pairs (0.27 vs. 0.30, P = 0.004). Cognitive scores were also lower in the CI group (MMSE: 26.25 vs. 27.76, P = 0.004; MoCA: 25.38 vs. 26.63, P = 0.007). Additionally, the CI group had higher 24-hour mean systolic blood pressure (SBP, 140.68 vs. 136.36 mmHg, P = 0.038) and lower daytime SBP coefficient of variation (9.46% vs. 10.63%, P = 0.002). Receiver operating characteristic analysis revealed that F8-P8 PLI had an area under the curve of 0.608, indicating moderate discriminatory ability for identifying cognitive dysfunction. CONCLUSION: Decreased phase synchronization in the EEG alpha-band correlated with cognitive dysfunction in CSVD patients, indicating that impaired neural connectivity may serve as a potential electrophysiological biomarker.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».