Comorbidity and the rate of cognitive decline in patients with Alzheimer dementia
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to investigate the impact of comorbidity on cognitive and functional decline in patients with Alzheimer dementia (AD). METHODS: One hundred and two AD outpatients examined at the Psychiatry Department of the CF2 Polyclinic in Bucharest, Romania and re-evaluated after 2 years. Comorbidity was rated using the Cumulative Illness Rating Scale for Geriatrics (CIRS-G). RESULTS: Baseline mean age (SD) was 75.4 (8.2) years, median CDR (range) was 2 (1-3), and mean MMSE (SD) 14.2 (4.9). MMSE declined to 11.2 (4.8) during follow-up. Baseline mean total CIRS-G score (SD) was 13.8 (5.4), median number of endorsed categories (range) was 8 (1-14), and mean severity index (SD) 1.9 (0.4). Main comorbidity areas were cardiovascular, ear, nose and throat, genitourinary, musculoskeletal/integument, and neurological. Severity of comorbidity increased with dementia severity (p <0.001). Baseline comorbidity was related to increased rate of cognitive decline; truncated regression coefficients (p-values) were 0.01 (0.02) for CIRS-G total score, and 0.15 (0.006) for severity index (controlled for age, sex, education, and AD treatment). Faster cognitive decline was associated with faster functional decline: OR (95% CI) was 5.2 (1.9-13.6) for increased rate of ADL change and 3.8 (1.0-14.1) for increased rate of IADL change (controlled for age, sex, education, AD medication, and comorbidity). Comorbidity tended to increase functional decline; however, the associations were not statistically significant. CONCLUSIONS: In this group of patients with AD, comorbidity increased the rate of cognitive decline. Considering comorbidity instead of focusing on separate conditions may be more helpful in managing AD.
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) | 0,000 | 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) | 0,000 | 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 ».