The Analysis of Related Factors of Cognitive Impairment after the Acute Ischemic Stroke and Construction of Nomogram Model
-
摘要:
目的 探索急性缺血性脑卒中后认知障碍发生的相关因素并构建列线图临床预测模型。 方法 以175例急性缺血性脑卒中患者为研究对象,入院后使用简易精神状态量表、蒙特利尔认知评测量表进行认知功能评估,其中卒中后认知功能障碍(post-stroke cognitive impairment,PSCI)组81例,卒中后无认知障碍(post-stroke no cognitive impairment,PSNCI)组94例,收集2组患者基线资料、外周血及头颅磁共振结果,单因素及多因素分析探索急性缺血性卒中后认知障碍发生的影响因素,据此构建列线图预测模型,并对模型进行评价。 结果 多因素回归分析显示日常活动能力受损、HCY、脑梗死体积、脑萎缩是早期PSCI发生的独立危险因素(P < 0.05)。受教育年限、血红蛋白是PSCI发生的保护因素(P < 0.05)。据此构建列线图预测模型,ROC曲线分析列线图模型预测认知障碍的曲线下面积为0.830(95%CI:0.77~0.89),校准曲线内部验证结果显示偏倚校正曲线趋于理想曲线,模型区分度与准确度均较好。 结论 卒中后认知障碍早期往往容易被忽略,临床决策曲线显示模型能有较好的临床净获益。多因素联合构建临床预测模型有助于PSCI的早期识别和高危人群的筛查,对其防治有重要意义。 Abstract:Objective To explore the related factors of cognitive impairment after the acute ischemic stroke and develop a clinical nomogram model. Methods 175 patients with the acute ischemic stroke were selected as the study objects, and the cognitive function was assessed using the simple mental State Scale and the Montreal Cognitive Assessment Scale after the admission. There were 81 cases in post-stroke cognitive impairment (PSCI) group and 94 cases in post-stroke no cognitive impairment (PSNCI) group. The baseline data, peripheral blood and brain MRI results of the two groups were collected and the univariate and multivariate analysis were used to explore the influencing factors of the cognitive impairment after the acute ischemic stroke, and the prediction model was constructed based on the nomogram and evaluated. Results Multivariate regression analysis showed that several factors, including impaired daily activity, high levels of HCY, larger cerebral infarction volume, and cerebral atrophy, were independent risk factors for early PSCI. On the other hand, education and hemoglobin were identified as the protective factors against PSCI. A nomogram prediction model was created from this data. The ROC curve analysis predicted an area under the curve of 0.830 (95%CI: 0.77-0.89). The calibration curve indicated that the model had the good differentiation and prediction probability, with bias correction tending towards the ideal curve and consistent incidence in actual outcomes. The clinical decision curve showed that the model could provide a better net benefit for clinical use, making it a valuable tool for healthcare professionals. Conclusion The development of PSCI may be overlooked in its early stages. A clinical predictive model that considers multiple factors can aid in the early detection of PSCI and identification of high-risk individuals, which is crucial for the effective prevention and treatment. -
Key words:
- Stroke /
- Cognitive impairment /
- Influencing factors /
- Nomogram /
- Predictive model
-
听力损失影响着全球约15亿人,而在中国所有年龄段中就有约2亿多人,这些病例中有大约一半被认为是遗传性的[1-2]。在遗传性耳聋的基因变异中,SLC26A4是除GJB2外最常见的耳聋致病基因,是导致大前庭导水管综合征(large vestibular aquduct syndrome,LVAS)的致病基因,在聋人中占19.4%,正常人群中的携带率为2%,典型表现为儿童时期的听力损失,90%的患者为双侧性,听力损失程度不一,病程一般为进行性或波动性听力下降,在跌倒、撞击等行为时易致明显的不可逆的听力下降[3]。在此种情况下,找到能对SLC26A4基因进行调控的方法就显得尤为重要。目前对于听力损失的治疗方案仍然局限于声音放大和人工耳蜗植入,但是听力恢复远非完美,特别是对嘈杂环境中的声音的感知[4-5]。这就迫切需要找到针对人类听力损失的生物治疗方法,去寻找并开发针对于各种类型听力损失的基因、细胞和药物疗法,从而为广大听力损失患者提供新的治疗手段和决策。miRNAs已被证实广泛存在于不同的细胞和组织中,在细胞周期、细胞凋亡、肿瘤发生和神经发生等生物学过程中发挥重要作用,有许多研究表明miRNA的异常导致了耳聋的发生,而关于miR-26a-5p与耳聋的机制研究非常少,因此,本文拟对miR-26a-5p 调控SLC26A4表达在听力减退中的作用做一研究,以期能为SLC26A4基因突变导致的耳聋的治疗提供一定参考依据。
1. 材料与方法
1.1 实验材料
1.1.1 动物及分组
本实验所使用的SPF级别雄性C57小鼠(标准体重)均购自于昆明医科大学实验动物学部,本研究的实验方法和操作方法均已得到昆明医科大学实验动物福利委员会的批准。所有小鼠都饲养于实验动物学部,饲养环境均符合相关标准。18只C57小鼠被分为3组,为假手术组、听力损伤组和耳聋组。假手术组是注射生理盐水,而不注射致聋药物D-半乳糖。
1.1.2 实验试剂
D-半乳糖购自于山东萍聚生物科技有限公司,氯化钠注射液(Nacl)购自于云南南诏药业有限公司,无水乙醇、三氯甲烷、异丙醇均购自于天津市瑞明威化工有限公司,反转录试剂盒(PerfectStartUniRTKIT)和qPCR扩增试剂盒(PerfectStartUnigPCRKIT)均购自于昆明云科生物技术有限公司,异氟烷购自于深圳瑞沃德生命科技有限公司,miR-26a-5p和SLC26A4引物均购自于安徽九德科技有限公司,miR-26a-5p和SLC26A4的干扰和过表达载体均购自于广州锐博生物有限公司。
1.1.3 实验设备
高速低温离心机购自于湖南赫西仪器装备有限公司,荧光定量PCR仪和酶标仪购自于美国伯乐公司,TDT听觉诱发电位工作站购自于北京爱生科贸有限公司。
1.2 实验方法
1.2.1 模型构建
参照郝帅的D-半乳糖造模方法[6]进行一定改良,观测指标为:小鼠活动是否迟缓,小鼠双侧耳廓反应是否灵敏。对听力损伤模型制造组给予100 mg/kg的量进行腹腔注射给D-半乳糖,耳聋模型制造组给D-半乳糖150 mg/kg的量,假手术组根据小鼠的体重比例,腹腔注射同等量的Nacl注射液。以上注射时间均为每天2次,持续1个月。
1.2.2 听性脑干反应测试(ABR)
本实验在隔声屏蔽室内进行测试,通过不同频率的刺激信号在8 kHz、16 kHz、24 kHz和32 kHz时诱导小鼠在麻醉状态下的电生理反应,仪器通过平均技术进行相关信号处理,通过解析听性脑干反应测试频谱中8个谐波的相位和幅度,采用序贯检验的方法来消除持续的EEG噪声和诊断听力的其他干扰。刺激声音强度以5 dB依次递减,如果能分辨出最低刺激强度的即为ABR阈值,重复3次。
1.2.3 注射治疗
对听力损伤和耳聋模型小鼠进行尾静脉注射miR-26a-5p和SLC26A4的干扰和过表达载体,每天1次,持续10 d。
1.2.4 小鼠耳蜗取材
在实验达到终止阶段,对所有小鼠进行异氟烷吸入过度麻醉处死,然后取出小鼠两侧听泡,放入液氮中保存用于后续qPCR实验。
1.2.5 qPCR实验
在Pubmed官网上下载miR-26a-5p及内参U6和SLC26A4及内参β-actin的核酸序列,通过PrimerPremier 6软件对它们的引物序列进行设计,将引物序列发九德科技有限公司进行合成,具体序列见表1。使用电动研磨液对小鼠的耳蜗进行研磨处理,使用Trizol法对耳蜗组织进行总RNA的提取。得到总RNA后,使用酶标仪测定RNA的浓度及纯度,并根据反转录试剂盒PerfectStartUniRTKIT说明书进行逆转录反应,再根据荧光定量试剂盒PerfectStartUnigPCRKIT说明书进行PCR扩增反应,得到PCR扩增的CT值后根据2-△△CT公式来计算miR-26a-5p和SLC26A4的相对表达量。
表 1 引物序列Table 1. Primer sequence基因名称 上游引物序列(5′- 3′) 下游引物序列(5′- 3′) β-actin GTGGGGCGCCCCAGGCACCA CTCCTTAATGTCACGCACGATTT SLC26A4 GCATCCTCTCCATTATCTACA TCCTTAACAGCCATACAGAC miR-26a-5p 通用引物 AGCCAGCGTTCAAGTAATCCAG U6 通用引物 ATGGACTATCATATGCTTACCGTA 1.3 统计学处理
所有的实验数据都使用SPSS 21.0软件进行统计分析,通过独立样本t检验统计2组之间(antagomir和agomir注射后小鼠miR-26a-5p和SLC26A4的相对表达量)的数据,通过单因素方差分析统计3组及3组以上(18只小鼠听性脑干测试及小鼠miR-26a-5p和SLC26A4的相对表达量)的数据,而后根据方差齐性检验比较组内差异,P < 0.05即表示差异具有统计学意义。
2. 结果
2.1 小鼠听力损伤模型和小鼠耳聋模型构建成功
使用听性脑干反应测试来检测各组C57小鼠的右耳听力情况,结果显示,无论是8 kHz、16 kHz、24 kHz还是32 kHz,同组之间的小鼠之间的听力阈值无明显差异,但是相对于假手术组来说,听力损伤和耳聋小鼠听力阈值明显提高,耳聋小鼠阈值有显著的翻倍,见图1,结果表明模型构建成功。
2.2 小鼠听力损伤和耳聋后miR-26a-5p下调和SLC26A4上调
在使用qPCR实验检测小鼠听力损伤和耳聋后耳蜗中miR-26a-5p和SLC26A4的表达情况后发现,与假手术组相比,miR-26a-5p在小鼠听力损伤和耳聋后表达异常,出现明显降低,见图2A;相反的是SLC26A4的表达却明显升高,见图2B。
2.3 miR-26a-5p可以靶向调控SLC26A4的表达
使用TargetScan网站(https://www.targetscan.org/vert_72/)对miR-26a-5p和SLC26A4的靶向结合位点进行生信预测,结果显示miR-26a-5p和SLC26A4可以靶向结合,结合位点共有7对碱基,见图3A。通过荧光素酶报告基因实验来检测miR-26a-5p和SLC26A4两者之间是否靶向结合,可以看到野生型SLC26A4组荧光素酶活性与对照组相比明显降低,而突变型SLC26A4无明显差异,见图3B。对C57小鼠分别注射miR-26a-5p的antagomir和agomir,而后对小鼠的耳蜗使用qPCR实验检测miR-26a-5p和SLC26A4的表达量,结果显示,miR-26a-5p的antagomir 可以显著降低miR-26a-5p的表达,而SLC26A4正好相反;此外agomir明显提高了miR-26a-5p的表达,同时也抑制了SLC26A4的表达,见图3C和图3D。
2.4 miR-26a-5p调控SLC26A4改善了听力减退
通过分别给听力损伤小鼠注射miR-26a-5p的干扰和过表达载体以及SLC26A4的干扰和过表达载体,继而使用ABR监测小鼠的听力阈值情况,结果显示,si-SLC26A4和miR-26a-5p agomir可以显著降低小鼠的听力阈值,见图4A和图4B,这表明miR-26a-5p可以通过调控SLC26A4达到改善小鼠听力减退的功能。
3. 讨论
遗传性耳聋在出生缺陷中已经是一种非常常见的临床现状,许多与耳聋(听力损伤)相关的基因已经被陆续确定[7],这就表明致病基因的检测在未来先天性耳聋患者中进行医学检查是不可或缺的[8]。第一个miRNA在1993年被发现, miRNA可以结合到mRNA上,导致靶mRNA完全降解,从而使得靶mRNA的翻译受到抑制[9-10]。miRNAs已被证实广泛存在于不同的细胞和组织中,在细胞周期、细胞凋亡、肿瘤发生和神经发生等生物学过程中发挥重要作用[11],同样在遗传性耳聋中也担任重要的角色[12]。有许多研究表明miRNA的异常导致了耳聋的发生,如Mohammad-Reza发现miR-183的异常会导致毛细胞逐渐失去顶端结构,听力阈值增加,而通过提高miR-183家族在听细胞中的水平,可以恢复耳尖结构和听力[13]。而关于miR-26a-5p与耳聋的机制研究非常少,这就值得笔者去探究miR-26a-5p在耳聋中是什么样的作用。本研究发现miR-26a-5p在小鼠听力损伤后尤其是耳聋后表达异常的降低,在小鼠体内增加其表达后发现小鼠听力阈值变得更高,听力损伤加重,这些结果都说明miR-26a-5p是耳聋的潜在保护基因。
SLC26A4是溶质载体家族的一员,是一种pendrin蛋白编码基因,主要在甲状腺、内耳和肾脏中表达[14]。已有许多研究表明该基因的致病性变异可导致耳聋伴前庭导尿管增大(EVA),包括感音神经性听力损失[15-16]。本次研究发现了SLC26A4在小鼠听力损伤后表达异常高,且miR-26a-5p可以靶向调节SLC26A4的相关表达。在小鼠体内提高miR-26a-5p的表达后,SLC26A4表达明显受到抑制,此外笔者发现小鼠的听力减退得到了改善。同时笔者在小鼠体内抑制掉SLC26A4表达,结果与上面一致,这表明SLC26A4是耳聋的致病基因,会引起一系列的听力损伤。
综上所述,miR-26a-5p 可以通过调控SLC26A4从而挽救听力减退,SLC26A4是耳聋中导致听力减退的罪魁祸首之一,而通过miR-26a-5p吸附SLC26A4靶向抑制其表达后在小鼠动物实验中可以有效改善听力损伤。本次研究从miRNA调控靶mRNA表达机制研究,揭示了miR-26a-5p 调控SLC26A4的作用机制,为miR-26a-5p 和SLC26A4在遗传性耳聋的基因治疗中提供一定的科学依据。
-
表 1 2组一般资料比较[n(%)/($\bar x \pm s $)/M(P25,P75)]
Table 1. Comparison of general data between 2 groups[n(%)/($\bar x \pm s $)/M(P25,P75)]
比较指标 PSCI(n=81) PSNCI(n=94) t/χ2/z P 性别 男 49(60.49) 66(70.21) 1.824 0.177 女 32(39.51) 28(29.79) 年龄(岁) 66.420±10.42 60.030±11.74 −3.780 <0.001* 受教育年限(a) 6.457±4.60 9.154±3.88 −4.205 <0.001* 吸烟史 34(42.00) 42(44.70) 0.13 0.719 饮酒史 10(12.35) 17(18.09) 1.098 0.295 高血压 51(62.96) 70(74.47) 2.699 0.100 糖尿病 21(25.93) 28(29.79) 0.322 0.571 冠心病 5(6.17) 9(9.57) 0.684 0.408 房颤 6(7.41) 7(7.45) 0.868 1.000 卒中史 22(27.16) 16(17.02) 2.631 0.105 TOAST分型 LAA 59(72.84) 65(69.15) 1.608 0.658 CE 7(8.64) 8(8.51) SAO 8(9.88) 15(15.96) UND&ODC 7(8.64) 6(6.38) MMSE评分(分) 22(17.5~24) 28(27~29) −10.197 <0.001* MoCA评分(分) 16(11.5~20) 25(24~27) −11.284 <0.001* NIHSS评分(分) 3(2~6) 3.5(1~5) −0.768 0.443 ADL评分(分) 80(65~100) 100(80~100) −3.937 <0.001* 就医时间间隔(d) 1.0(1.0~3.0) 1.0(0.58~3.25) −0.387 0.699 *P < 0.05。 表 2 2组颅内病变情况比较[n(%)/M(P25,P75)]
Table 2. Comparison of intracranial lesions between 2 groups[n(%)/M(P25,P75)]
组别 PSCI(n=81) PSNCI(n=94) Z/χ2 P 脑梗死半球 左侧 37(45.7) 49(52.1) 3.462 0.177 右侧 36(44.4) 42(44.4) 双侧 8(9.9) 3(3.2) 脑白质病变 46(56.8) 38(40.4) 4.668 0.031* 腔隙性梗死 55(67.9) 67(71.3) 0.235 0.628 脑萎缩 49(60.5) 34(36.2) 10.324 0.001* 脑梗死体积(mL) 1.76(0.33~9.00) 0.72(0.28~1.33) −2.782 0.005* 脑梗死部位 脑叶 7(8.6) 9(9.6) 0.046 0.831 基底节 20(24.7) 30(31.9) 1.112 0.292 脑干 6(7.4) 19(20.2) 5.826 0.016* 小脑 2(2.5) 6(6.4) − 0.289 丘脑 3(3.7) 4(4.3) − 1.00 胼胝体 2(2.5) 1(1.1) − 0.337 多发 41(50.6) 25(26.6) 10.688 0.001* *P < 0.05。 表 3 外周血液学指标的比较[($\bar x \pm s $)/M(P25,P75)]
Table 3. Comparison of peripheral hematological indicators[($\bar x \pm s $)/M(P25,P75)]
指标 PSCI(n=81) PSNCI(n=94) t/Z P 白细胞(×109/L) 6.918±1.904 6.968±1.786 −0.180 0.857 中性粒细胞(×109/L) 4.363±1.632 4.287±1.522 0.318 0.751 淋巴细胞(×109/L) 1.826±0.651 1.954±0.723 −1.223 0.223 单核细胞(×109/L) 0.575±0.184 0.567±0.174 0.313 0.756 红细胞(×1012/L) 4.575±0.533 4.789±0.573 −2.548 0.012* 红细胞平均体积(fl) 90.457±11.331 91.367±4.965 −0.705 0.482 平均红细胞血红蛋白量(pg) 30.526±2.135 30.754±1.853 −0.758 0.45 平均红细胞血红蛋白浓度(g/L) 333.02±10.882 336.63±10.208 −2.258 0.025* 血红蛋白(g/L) 139.56±18.599 147.37±20.423 −2.631 0.009* 血小板(×109/L) 241.51±98.521 219.38±55.636 1.860 0.065 总蛋白(g/L) 64.059±5.260 65.934±5.578 −2.276 0.024* 白蛋白(g/L) 38.016±3.385 39.829±3.565 −3.433 0.001* 谷草转氨酶(U/L) 21.310±7.576 24.970±31.197 −1.029 0.305 谷丙转氨酶(U/L) 17.690±9.608 21.830±12.975 −2.365 0.019* 血肌酐(μmol/L) 76.203±23.765 79.200±22.120 −0.855 0.394 尿素(mmol/L) 5.130±1.684 4.932±1.659 0.780 0.436 总胆汁酸(μmol/L) 3.3(2.0~5.1) 2.9(1.9~4.8) −1.331 0.183 前白蛋白(mg/L) 209.190±52.015 227.340±45.259 −2.469 0.015* 胆碱酯酶(U/L) 6661.310±1693.373 7091.160±1608.846 −1.720 0.087 尿酸(μmol/L) 311.510±107.031 349.500±96.974 −2.463 0.015* 随机血糖(mmol/L) 5.54(4.805~6.385) 5.52(5.075~6.765) −1.122 0.262 总胆固醇(mmol/L) 4.41(3.775~5.235) 4.415(3.733~5.003) −0.432 0.665 甘油三酯(mmol/L) 1.41(1.010~1.985) 1.49(1.145~2.043) −1.094 0.274 HDL-C(mmol/L) 1.06(0.88~1.30) 0.955(0.858~1.14) −1.739 0.082 LDL-C(mmol/L) 2.7(2.13~3. 47) 2.8(2.20~3.30) −0.186 0.853 HCY(μmol/L) 13.7(11.5~17.8) 13.0(10.0~16.2) −1.730 0.084 *P < 0.05。 表 4 PSCI发生的相关影响因素
Table 4. Related influencing factors of PSCI
指标 B 标准误差 Wald P OR(95%CI) 受教育年限(a) −0.153 0.045 11.408 0.001* 0.858(0.785~0.938) 脑梗死体积(mL) 0.123 0.038 10.597 0.001* 1.131(1.050~1.217) 脑萎缩 0.901 0.391 5.299 0.021* 2.462(1.143~5.300) ADL受损 1.089 0.377 8.349 0.004* 2.971(1.420~6.220) HGB(g/L) −0.021 0.010 4.128 0.042* 0.980(0.960~0.999) HCY(μmol/L) 0.038 0.016 5.316 0.021* 1.038(1.006~1.072) 常量 1.851 1.439 1.655 0.198* 6.367 *P < 0.05。 表 5 不同指标及预测模型对PSCI发生的预测价值
Table 5. The predictive value of different indexes and prediction models for PSCI
影响因素 最佳截断值 AUC 敏感性(%) 特异性(%) 95%CI P 受教育年限(a) 6.5 0.66 60.5 70.2 0.578~0.741 <0.001* ADL (分) 97.5 0.664 69.1 60.6 0.582~0.745 <0.001* 脑梗死体积(mL) 1.522 0.622 51.9 78.7 0.536~0.708 0.005* 脑萎缩 − 0.622 60.5 63.83 0.538~0.705 0.006* HCY (μmol/L) 11.45 0.576 79 37.2 0.491~0.661 0.084 HGB (g/L) 144.5 0.621 64.2 57.4 0.538~0.705 0.006* 模型预测值 0.529 0.830 69.1 83 0.77~0.89 <0.001* *P < 0.05。 -
[1] 中国脑卒中防治报告2019 编写组. 中国脑卒中防治报告2019 概要[J]. 中国脑血管病杂志,2020,17(5):272-281. [2] 中国卒中学会血管性认知障碍分会. 卒中后认知障碍管理专家共识2021[J]. 中国卒中杂志,2021,16(4):376-389. [3] Bejot Y,Daubail B,Giroud M. Epidemiology of stroke and transient ischemic attacks: Current knowledge and perspectives[J]. Rev Neurol (Paris),2016,172(1):59-68. doi: 10.1016/j.neurol.2015.07.013 [4] Wang Y J,Li Z X,Gu H Q,et al. China stroke statistics 2019: A report from the national center for healthcare quality management in neurological diseases,China national clinical research center for neurological diseases,the Chinese stroke association,national center for chronic and non-communicable disease control and prevention,Chinese center for disease control and prevention and institute for global neuroscience and stroke collaborations[J]. Stroke Vasc Neurol,2020,5(3):211-239. doi: 10.1136/svn-2020-000457 [5] 贾建平,陈生弟. 神经病学[M]. 第8版. 北京: 人民卫生出版社,2018: 231-235. [6] 中国卒中学会卒中后认知障碍研究圆桌会议专家组. 中国卒中后认知障碍防治研究专家共识[J]. 中国卒中杂志,2020,15(2):158-166. [7] Sun J H,Tan L,Yu J T. Post-stroke cognitive impairment: Epidemiology,mechanisms and management[J]. Ann Transl Med,2014,2(8):80. [8] Pendlebury S T,Rothwell P M. Prevalence,incidence,and factors associated with pre-stroke and post-stroke dementia: A systematic review and meta-analysis[J]. Lancet Neurol,2009,8(11):1006-1018. doi: 10.1016/S1474-4422(09)70236-4 [9] 中国医师协会神经内科分会认知障碍专业委员会, 中国血管性认知障碍诊治指南编写组. 2019年中国血管性认知障碍诊治指南[J]. 中华医学杂志,2019,99(35):2737-2744. [10] 中华医学会神经病学分会, 中华医学会神经病学分会脑血管病学组. 中国急性缺血性脑卒中诊治指南2018[J]. 中华神经科杂志,2018,51(9):666-682. [11] 邱晓雪,陈红霞,李世文,等. 卒中后认知障碍的危险因素分析[J]. 中国卒中杂志,2021,16(3):272-277. [12] Meng X,Wen R,Li X. Values of serum LDL and PCT levels in evaluating the condition and prognosis of acute cerebral infarction[J]. Exp Ther Med,2018,16(4):3065-3069. [13] 曲艳吉,卓琳,詹思延. 中国脑卒中后认知障碍流行病学特征的系统评价[J]. 中华老年心脑血管病杂志,2013,15(12):1294-1301. [14] Rost N S,Brodtmann A,Pase M P,et al. Post-stroke cognitive impairment and dementia[J]. Circ Res,2022,130(8):1252-1271. doi: 10.1161/CIRCRESAHA.122.319951 [15] Akinyemi R O,Firbank M,Ogbole G I,et al. Medial temporal lobe atrophy,white matter hyperintensities and cognitive impairment among Nigerian African stroke survivors[J]. BMC Res Notes,2015,8(1):625. doi: 10.1186/s13104-015-1552-7 [16] Zhu Y,Zhao S,Fan Z,et al. Evaluation of the mini-mental state examination and the montreal cognitive assessment for predicting post-stroke cognitive impairment during the acute phase in Chinese minor stroke patients[J]. Front Aging Neurosci,2020,12(2020):236. [17] Boutros C F,Khazaal W,Taliani M,et al. Factors associated with cognitive impairment at 3,6,and 12 months after the first stroke among Lebanese survivors[J]. Brain Behav,2023,13(1):e2837. doi: 10.1002/brb3.2837 [18] Srithumsuk W,Kabayama M,Gondo Y,et al. The importance of stroke as a risk factor of cognitive decline in community dwelling older and oldest peoples: The SONIC study[J]. BMC Geriatr,2020,20(1):24. doi: 10.1186/s12877-020-1423-5 [19] Wolters F J,Zonneveld H I,Licher S,et al. Hemoglobin and anemia in relation to dementia risk and accompanying changes on brain MRI[J]. Neurology,2019,93(9):e917-e926. [20] Gu Y,Wang F,Gong L,et al. A nomogram incorporating red blood cell indices to predict post-stroke cognitive impairment in the intracerebral hemorrhage population[J]. Front Aging Neurosci,2022,14(2022):985386. [21] Dlugaj M,Winkler A,Weimar C,et al. Anemia and mild cognitive impairment in the German general population[J]. J Alzheimers Dis,2016,49(4):1031-1042. doi: 10.3233/JAD-150434 [22] 张小丽,邢凤梅. 脑卒中患者认知障碍与人口学及临床特征的关系[J]. 中国老年学杂志,2011,31(16):3146-3147. [23] Galle S A,Deijen J B,Milders M V,et al. The effects of a moderate physical activity intervention on physical fitness and cognition in healthy elderly with low levels of physical activity: A randomized controlled trial[J]. Alzheimers Res Ther,2023,15(1):12. doi: 10.1186/s13195-022-01123-3 [24] Cumming T B,Tyedin K,Churilov L,et al. The effect of physical activity on cognitive function after stroke: A systematic review[J]. Int Psychogeriatr,2012,24(4):557-567. doi: 10.1017/S1041610211001980 [25] Di Raimondo D,Rizzo G,Musiari G,et al. Role of Regular physical activity in neuroprotection against acute ischemia[J]. Int J Mol Sci,2020,21(23):9086. [26] Gorelick P B,Furie K L,Iadecola C,et al. Defining optimal brain health in adults: A presidential advisory from the American Heart Association/American Stroke Association[J]. Stroke,2017,48(10):e284-e303. [27] 方靖. MRI病灶体积和BDNF在缺血性脑卒中病情及预后评估中的价值[J]. 临床放射学杂志,2016,35(12):1800-1803. [28] Prodjohardjono A,Vidyanti A N,Susianti N A,et al. Higher level of acute serum VEGF and larger infarct volume are more frequently associated with post-stroke cognitive impairment[J]. PLoS One,2020,15(10):e0239370. doi: 10.1371/journal.pone.0239370 [29] Jaillard A,Grand S,Le Bas J F,et al. Predicting cognitive dysfunctioning in nondemented patients early after stroke[J]. Cerebrovasc Dis,2010,29(5):415-423. doi: 10.1159/000289344 [30] 韩燕,印旭阳,曹鑫,等. 脑小血管病头颅磁共振成像特征与认知损害的研究新进展[J]. 中国临床神经科学,2022,30(4):451-459. [31] Ding M Y,Xu Y,Wang Y Z,et al. Predictors of cognitive impairment after stroke: A prospective stroke cohort study[J]. J Alzheimers Dis,2019,71(4):1139-1151. doi: 10.3233/JAD-190382 [32] Casolla B,Caparros F,Cordonnier C,et al. Biological and imaging predictors of cognitive impairment after stroke: A systematic review[J]. J Neurol,2019,266(11):2593-2604. doi: 10.1007/s00415-018-9089-z [33] Pendlebury S T,Rothwell P M,Oxford Vascular S. Incidence and prevalence of dementia associated with transient ischaemic attack and stroke: analysis of the population-based Oxford Vascular Study[J]. Lancet Neurol,2019,18(3):248-258. doi: 10.1016/S1474-4422(18)30442-3 [34] 陆珍辉. H型高血压与脑白质疏松及卒中后认知障碍的关系研究[D],苏州: 苏州大学,2020. [35] 王维维,申致远,李凡,等. 血浆低密度脂蛋白胆固醇和同型半胱氨酸与脑小血管病患者认知功能的相关性研究[J]. 中国脑血管病杂志,2021,18(12):836-842. [36] Smith A D,Refsum H,Bottiglieri T,et al. Homocysteine and dementia: An international consensus statement[J]. J Alzheimers Dis,2018,62(2):561-570. doi: 10.3233/JAD-171042 期刊类型引用(9)
1. 廖云姗,王双双,尹丽娟,郑玉婷. 云南地区院外应急救援护士心理健康状况的调查分析. 昆明医科大学学报. 2023(08): 177-184 . 本站查看
2. 韩秋凤,林霄,陈海城,张馨遥,刘豫瑞. 心理弹性及社会支持对医务人员负性情绪的影响. 福建医科大学学报(社会科学版). 2021(02): 34-39 . 百度学术
3. 巩平平,许静,翟金国,高燕. 医学专业教师心理健康状况调查分析. 中国校医. 2021(08): 576-578+636 . 百度学术
4. 黄桂梅,廖灵敏,陈智平. 广西某高校一家附属医院医护人员心理健康状况及其影响因素分析. 应用预防医学. 2020(06): 482-485 . 百度学术
5. 万园园,唐维兵,潘键. 江苏某儿童医院医务人员饮食行为与健康状况分析. 江苏卫生事业管理. 2020(12): 1677-1680 . 百度学术
6. 施丕华,王贵义,徐卫琼,唐宝春. 医学院校学生不同时期心理健康状况比较. 昆明医科大学学报. 2019(09): 46-50 . 本站查看
7. 张耐思,卢金婧,崔乐乐,裴冬梅. 沈阳市综合医院青年医师的心理体检及心理健康状况分析. 广东医学. 2019(22): 3221-3224 . 百度学术
8. 万园园,胡旭俊,王小红. 江苏某儿童医院职工餐厅满意度与消费情况分析. 江苏卫生事业管理. 2019(12): 1574-1576 . 百度学术
9. 胡娟,吴林雄,陈江容,李四乐,向思,张蕴,周梅. 昆明市社区居民身心健康现状调查. 昆明医科大学学报. 2018(07): 33-36 . 本站查看
其他类型引用(1)
-