MétaCan
Menu
Retour à la cohorte
Enregistrement W6908747093 · doi:10.3389/fnagi.2022.1045910.s001

Data_Sheet_1_Relationships between cerebral small vessel diseases markers and cognitive performance in stroke-free patients with atrial fibrillation.docx

2023· dataset· en· W6908747093 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2023
Typedataset
Langueen
DomaineArts and Humanities
ThématiqueLibraries and Information Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHyperintensityCognitionNeuropsychologyMemory clinicAtrial fibrillationMultivariate statisticsMagnetic resonance imagingDementiaLeukoaraiosisCohort

Résumé

récupéré en direct d'OpenAlex

Background<p>Atrial fibrillation (AF) is related to an increased risk of cognitive dysfunction. Besides clinically overt stroke, AF can damage the brain via several pathophysiological mechanisms. We aimed to assess the potential mediating role of cerebral small vessel disease (SVD) and cognitive performance in individuals with AF.</p>Methods<p>Stroke-free individuals with AF from the cardiological outpatient clinic at West China Hospital of Sichuan University were recruited. Extensive neuropsychological testing tools were assessed including global function, domains of attention, executive functions, learning, and memory. 3 T magnetic resonance imaging (MRI) was used for SVD markers assessment of white matter hyperintensities (WMH), lacunes, cerebral microbleeds (CMBs), and enlarged perivascular spaces (EPVS). The correlation between SVD markers and cognitive measures was analyzed by multivariate linear regression models.</p>Results<p>We finally enrolled 158 participants, of whom 95 (60.1%) were males. In multivariate models, the presence of lacunes independently associated with Montreal Cognitive Assessment (Model 1: ß = 0.52, Model 2: ß = 0.55), Rey Auditory Verbal Learning Test-immediate and delayed recall (Model 1: ß = 0.49; ß = 0.69; Model 2: ß = 0.53; ß = 0.73) as well as Stroop-A<sub>correct</sub> (Model 1: ß = 0.12; Model 2: ß = 0.13), while total WMH severity independently associated with Stroop<sub>time</sub>-A (Model 1: ß = 0.24; Model 3: ß = 0.27), Stroop<sub>time</sub>-B (Model 1: ß = 0.17; Model 3: ß = 0.17), Stroop<sub>time</sub>-C (Model 1: ß = 0.22; Model 3: ß = 0.21) and Shape Trail Test-A (Model 1: ß = 0.17; Model 3: ß = 0.16).</p>Conclusion<p>In our cohort of stroke-free individuals with AF, lacunes, and WMHs were independently associated with cognitive decline while EPVS and CMBs did not show significance. Assessment of SVD MRI markers might be valuable for cognition risk stratification and facilitate optimal management of patients with AF.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0360,002

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,221
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetLibraries and Information ServicesTravaux en français237 207