Association between pre-stroke frailty status and post-stroke cognitive impairment in patients with acute large artery atherosclerotic cerebral infarction
Notice bibliographique
Résumé
The aim of this study was to investigate the correlation between pre-stroke frailty status and post-stroke cognitive impairment (PSCI) in patients with acute large artery atherosclerotic cerebral infarction. One hundred and eight patients with acute large artery atherosclerotic cerebral infarction admitted in our hospital from July 2020 to July 2023 were prospectively enrolled. Patients were stratified into frailty (46 cases) and non-frailty groups (62 cases) based on FRAIL scale scores. During the 6-month follow-up after the onset of cerebral infarction, patients were evaluated using the Chinese modified version of Montreal Cognitive Assessment (MoCA) scale for cognitive function and were divided into PSCI (52 cases) and non-PSCI (56 cases) groups. The frailty group showed significantly higher age, prevalence of hypertension and diabetes comorbidities, smoking and alcohol consumption rates, National Institutes of Health Stroke Scale (NHISS) score, and Modified Rankin Scale (mRS) score than those in the non-frailty group (P<0.05, P<0.01). The incidence of PSCI in the frailty group was also significantly higher than that in the non-frailty group (78.3 vs 25.8%, P<0.01). Compared to the non-PSCI group, the PSCI group had higher age, shorter education duration, fewer cases of reperfusion therapy, and greater frailty (P<0.05, P<0.01). Logistic regression analysis showed that pre-stroke frailty was an independent risk factor for PSCI (P<0.01). Timely assessment of the frailty status in patients with acute large artery atherosclerotic cerebral infarction is beneficial for preventing, delaying onset, and reducing the incidence of PSCI.
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 | 0,002 | 0,003 |
| 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 | 0,001 |
| 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 ».