Prevalence of Mild Cognitive Impairment and Its Subtypes in the Mexican Population
Notice bibliographique
Résumé
BACKGROUND/AIM: To estimate the prevalence of mild cognitive impairment (MCI) and its subtypes, taking into account education and health status. METHODS: This is the first report of our Study on Aging and Dementia in Mexico. This study included 2,944 elderly individuals 60 years old or more with in-home assessment for cognitive impairment. The prevalence of MCI was based on Petersen criteria. MCI was classified as amnestic of single domain (a-MCI-s) or multiple domain (a-MCI-md) or nonamnestic of single domain (na-MCI-s) or multiple domain (na-MCI-md). In addition to a battery of neuropsychological measures, a self-report depression measure and a medical history including history of stroke, heart disease and other health conditions were recorded. RESULTS: The global estimated prevalence of MCI in the Mexican population was 6.45%. Of these subjects, 2.41% met criteria for a-MCI-s, 2.56% for a-MCI-md, 1.18% for na-MCI-s and 0.30% for na-MCl-md. Women showed a higher prevalence of MCI than men (63.7 vs. 36.3%, respectively). The analysis showed that heart disease [odds ratio (OR) 1.5], stroke (OR 1.2) and depression (OR 2.1) were associated with an increased risk of MCI. CONCLUSIONS: The prevalence of MCI in Mexico is similar to that in other countries. The results suggest that stroke, heart disease and depression may have an important role in the etiology of MCI.
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 | 0,000 | 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 ».