Proactive Approach in Detecting Elderly Subjects with Cognitive Decline in General Practitioners’ Practices
Notice bibliographique
Résumé
BACKGROUND: Although cognitive decline is a common finding among the elderly and is considered a risk factor for developing dementia, it is rarely diagnosed by general practitioners (GPs). AIM: To evaluate cognitive function with the Mini-Mental State Examination (MMSE) and the Montreal Cognitive Assessment (MoCA) in asymptomatic subjects in daily GP practice and compare subjects who confirmed having cognitive problems with subjects who did not. METHODS: 388 consecutive subjects >65 years of age who consulted their GP were interviewed and tested with MMSE and MoCA. RESULTS: None of the study subjects spontaneously complained of cognitive or memory problems. 155 subjects (39.94%) confirmed having cognitive problems and 233 (60.05%) did not even when asked. The prevalence of mild cognitive impairment (MCI) was 18.30% (95% CI 14.36-22.04) and the prevalence of cognitive impairment/no dementia (CIND) was 17.27% (95% CI 13.50-21.04). Delayed memory recall as a separate cognitive domain in MoCA was significantly worse in subjects with MCI (p = 0.00958) and in those with CIND (p = 0.0208). CONCLUSION: There is a significant number of patients in daily GP practices with unrecognized, but objectively verifiable, cognitive deficits who do not report having cognitive problems. They can be identified by assessment with MMSE and MoCA already in the GP practice.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».