ĐÁNH GIÁ ĐẶC ĐIỂM LÂM SÀNG VÀ TUẦN HOÀN BÀNG HỆ THEO GIỚI Ở BỆNH NHÂN NHỒI MÁU NÃO CẤP
Bibliographic record
Abstract
Mục tiêu: 1) Đánh giá một số đặc điểm lâm sàng theo giới ở bệnh nhân nhồi máu não (NMN) cấp. 2) Đánh giá mức độ tuần hoàn bàng hệ trên CTA 3 pha theo giới. Đối tượng và phương pháp: Tiến hành ở 118 bệnh nhân NMN (67 nam và 51 nữ) được chụp CTA 3 pha trong 7 ngày đầu từ khi khởi phát triệu chứng, điều trị nội trú tại Khoa Đột quỵ, Bệnh viện Quân y 103 từ tháng 11 năm 2021 đến tháng 7 năm 2022. Đánh giá một số đặc điểm lâm sàng vào viện và ra viện; đánh giá mức độ THBH trên phim chụp CTA 3 pha, 64 dãy theo thang điểm Calgary; xác định mối liên quan giữa đặc điểm lâm sàng và mức độ THBH với giới tính. Kết quả: tỷ lệ nam/nữ=1,31; nữ giới có tuổi bị bệnh cao hơn nam giới (p>0,05), hay gặp rung nhĩ (p<0,05), ĐTĐ (p>0,05), rối loạn lipid máu (p>0,05), ít gặp THA (p>0,05) và hút thuốc lá (p<0,05); rối loạn ý thức hay gặp hơn ở nữ; điểm NIHSS trung bình vào viện ở nữ cao hơn nam 2,97 điểm (p<0,05), tỷ lệ THBH tốt ở nữ thấp hơn (p<0,05) và mức độ tàn phế nặng khi ra viện (mRS 5-6) cao hơn (p>0,05). Kết luận: Nhóm nữ giới có tỷ lệ rung nhĩ, THBH kém cao hơn nam giới. NMN ở nữ giới hay gặp triệu chứng rối loạn ý thức hơn và điểm NIHSS trung bình vào viện cao hơn ở nam giới.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.500 | 0.208 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".