PERBANDINGAN DERAJAT DISABILITAS PASIEN STROKE ISKEMIK AKUT YANG DIUKUR DENGAN SKALA NEUROLOGIK KANADIAN DAN NIHSS PADA PEROKOK DAN BUKAN PEROKOK DI RSUD DR. SOETOMO SURABAYA
Notice bibliographique
Résumé
Introduction. Stroke is the second leading cause of death in the world after heart \ndisease and is a major cause of disability.Smoking is a well-known risk factor which \nmay increase the risk of ischemic stroke by 2-3. However, the correlation between \nsmoking and stroke outcome is still remains a controversy. Thus, the aim of this study \nis to analyze the differences of the degree of disability between smokers and nonsmokersin \nacute ischemic stroke patients, measured by Canadian Neurological Scale \n(CNS) and NIHSS. \nMethod.The design used in this study was retrospective cross-sectional. Differences \nof Canadian Neurological Scale (CNS) and NIHSS was analyzed using Mann- \nWhitney U test. \nResult. This study included 43 patients with acute ischemic stroke on their first \nattack. The mean age of study subjects was 56.30 ± 9.89 years. There were 23 male \npatients (53.5%) and 20 female patients (46.5%) with 13 patients are smokers and 30 \npatients are non-smokers.There were no female smokers in this study, thus only the \nmale group’s CNS and NIHSS value were analyzed. Means of CNS in smokers and \nnon-smokers were 8.62 ± 2.69 and 9.55 ± 1.98, respectively. Median of NIHSS in \nsmokers and non-smokers were 4.0 and 3.0, respectively. There were no significant \ndifferences in the analysis of CNS score between smokers and non-smokers (p = \n0,446) and NIHSS score analysis between smokers and non-smokers (p= 0,522). \nConclusion. Smoking does not affect the degree of disability in acute ischemic stroke \npatients measured by CNS and NIHSS.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».