Notice bibliographique
Résumé
OBJECTIVES: 1. To determine if Self-Rated Health (SRH) predicts dementia over a five period in cognitively intact older adults, and in older adults with Cognitive Impairment, No Dementia (CIND); and 2. To determine if different methods of eliciting SRH (age-referenced (AR) versus unreferenced) yield similar results. DESIGN: Prospective cohort. POPULATION: 1468 cognitively intact adults and 94 older adults with CIND aged 65+ living in the community, followed over five years. MEASURES: Age, gender, education, subjective memory loss, depressive symptoms, functional status, cognition, SRH and AR-SRH were all measured; dementia was diagnosed on clinical examination. Those with abnormal cognition not meeting criteria for dementia were diagnosed with CIND. RESULTS: In those who were cognitively intact at time 1, and had good SRH: 69.4% were intact; 6.0% had CIND; 6.9% had dementia, and 17.7% had died at time 2, while in those with poor SRH: 44.9% were intact, 11.1% had CIND, 9.1% had dementia, and 34.8% had died (p<0.001, chi-square test). In multinomial regression models SRH predicted dementia and death. In those with CIND at time 1 and good SRH: 2.3% were intact: 18.6% had CIND; 34.9% had dementia and 44.2% had died at time 2, while in those with poor SRH: 4.8% were intact, 31.0% had CIND, 19.0% had dementia, and 43.6% had died (p=0.30, chi-square test). In multinomial regression models, this was not significant. AR-SRH analyses were similar. CONCLUSIONS: In cognitively intact older adults SRH predicts dementia. In older adults with CIND, SRH does not predict dementia.
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 | 0,000 | 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) | 0,001 | 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 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 ».