Impact of socioeconomic status on the prevalence of dementia in an inner city memory disorders clinic
Notice bibliographique
Résumé
BACKGROUND: Socioeconomic status (SES) has been identified as a possible risk factor for the development of dementia, with low SES shown to be associated with a higher prevalence of dementia, increased psychiatric comorbidity and worse baseline cognitive functioning. Few studies have actually looked at the impact of SES within a clinical population using multiple measures of SES and cognition. METHODS: Data on 217 patients seen in an Inner City Memory Disorders Clinic were analyzed with respect to demographic status, clinical status and SES. Correlations were then examined looking at the relationship of SES to clinical variables and neurocognitive status. Regression analysis was undertaken to examine the relative contribution of individual sociodemographic factors to a diagnosis of dementia. RESULTS: In general, there was wide variation in the sample examined with respect to most measures of SES. Approximately one third (36%) of the sample had a diagnosis of dementia, the mean age was 66.1 years and the mean Mini-mental State Examination score was relatively high (25.4). There was a strong association between age, individual annual income range, education, medical comorbidity and a diagnosis of dementia, with increased age and medical comorbidity being the strongest predictors. CONCLUSION: Increased age, low education, high medical comorbidity and low annual income are all associated with a diagnosis of dementia in an inner city setting. Age and medical comorbidity appear to be more strongly associated with a diagnosis of dementia than SES in an inner city setting.
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) | 0,003 | 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 ».