Table_1_Association of Cigarette Smoking With Male Cognitive Impairment and Metal Ions in Cerebrospinal Fluid.PDF
Notice bibliographique
Résumé
<p>Objective: Cigarette smoking might accelerate cognitive impairment; however, this has never been investigated using human cerebrospinal fluid (CSF). We conducted this study to investigate the association between cigarette smoking and cognitive impairment through metal ions in CSF.</p><p>Methods: We obtained 5-ml CSF samples from routine lumbar puncture procedures in patients undergoing anterior cruciate ligament reconstruction before surgery in China. A total of 180 Chinese males were recruited (80 active smokers and 100 non-smokers). We measured specific cigarette-related neurotoxic metal ions in CSF, including iron, copper, zinc, lead, aluminum, and manganese. Sociodemographic data and history of smoking were obtained. The Montreal Cognitive Assessment (MoCA) was applied.</p><p>Results: Active smokers had fewer years of education (11.83 ± 3.13 vs. 13.17 ± 2.60, p = 0.01), and higher age (33.70 ± 10.20 vs. 29.76 ± 9.58, p = 0.01) and body mass index (25.84 ± 3.52 vs. 24.98 ± 4.06, p =0.03) than non-smokers. Compared to non-smokers, active smokers had significantly higher CSF levels of iron, zinc, lead, and aluminum and lower MoCA scores (all p < 0.05). Average daily numbers of cigarettes smoked negatively correlated with the MoCA scores (r = −0.244, p = 0.048). In young smokers, CSF manganese levels negatively correlated with MoCA scores (r = −0.373, p = 0.009).</p><p>Conclusions and Relevance: Cigarette smoking might be associated with male cognitive impairment, as shown by lower MoCA scores and higher levels of CSF iron, zinc, lead, and aluminum in active smokers. This might be early evidence of cigarette smoking accelerating male cognitive impairment.</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 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 | 0,000 | 0,000 |
| 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) | 0,477 | 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 ».