The prevalence of mild cognitive impairment and its etiological subtypes in elderly Chinese
Notice bibliographique
Résumé
BACKGROUND: Epidemiologic studies on mild cognitive impairment (MCI) are limited in China. METHODS: Using a multistage cluster sampling design, a total of 10,276 community residents (6096 urban, 4180 rural) aged 65 years or older were evaluated and diagnosed with normal cognition, MCI, or dementia. MCI was further categorized by imaging into MCI caused by prodromal Alzheimer's disease (MCI-A), MCI resulting from cerebrovascular disease (MCI-CVD), MCI with vascular risk factors (MCI-VRF), and MCI caused by other diseases (MCI-O). RESULTS: The prevalences of overall MCI, MCI-A, MCI-CVD, MCI-VRF, and MCI-O were 20.8% (95% confidence interval [CI] = 20.0-21.6%), 6.1% (95% CI = 5.7-6.6%), 3.8% (95% CI = 3.4-4.2%), 4.9% (95% CI = 4.5-5.4%), and 5.9% (95% CI = 5.5-6.4%) respectively. The rural population had a higher prevalence of overall MCI (23.4% vs 16.8%, P < .001). CONCLUSIONS: The prevalence of MCI in elderly Chinese is higher in rural than in urban areas. Vascular-related MCI (MCI-CVD and MCI-VRF) was most common.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».