P4‐150: Suicidal ideation and changes of cognition, mood, aggression, and sleep quality under the age of 50 as the risk factors of elderly life
Notice bibliographique
Résumé
The changes in cognition, mood, aggression and sleep under th age of 50 is the assumption that may be a risk factor that can affect the lives of future seniors. It is to investigate about the suicidal ideation on changes of cognition, mood, aggression, and sleep quality under the age of 50 for prediction of elderly life. Adult population under 50 years old in Jeonju city of Korea, randomly collected data Demographic data, Scale for suicidal ideation (SSI-Beck), Mini mental state examination-Korean version (MMSE-K), Montreal cognitive inventory-Korean version (Moca-K), Beck depression Inventory (BDI), Korean version of mood disorder questionnaire (K-MDQ), Pittsburgh sleep quality Index (PSQI), Buss & Durkee Hostility Inventory (BDHI), IBM SPSS Statistics 22 version, Hypothesis testing by multiple regression analysis (dependent variable-suicidal ideation, independent variables-cognitive changes, mood changes, aggression, sleep quality), Informed consent for research questionnaires. N=95, Sex [men 43 (45.3%), women 52 (54.7%)], Age (mean, 47.232±11.2273, men 48.140±11.1667, women 46.481±11.3301), Marital Status [(unmarried 30 (31.6%), married 53 (55.8%), divorced 7 (7.4%), bereaved 5 (5.3%)], Education [elementary 6 (6.3%), middle 16 (16.8%), high 36 (37.9%), college 37 (38.9%)], Occupation [professional 15 (15.8%), self-business 10 (10.5%), official 3 (3.2%), laborer 9 (9.5%), housewife 18 (18.9%), religious 5 (5.3%), student 7 (7.4%), unemployed 28 (29.5%)], Height (men 1.693±0.06900 cm, women 1.5790±0.05266 cm, mean 1.6307±0.08306), Body weight (men 67.07±12.533 kg, women 58.23±6.659 kg, mean 62.23±10.668 kg), BMI (Body mass index) men 23.3067±3.41420, women 23.4158±3.01675, mean 23.3664±3.18575, cardiovascular history [no 82 (86.3%), yes 13 (13.7%)], Diabetes mellitus [no 81 (85.3%), yes 14 (14.7%)], Hypertension [no 79 (83.2%), yes 16 (16.8%)], Cerebrovascular disease [no 88 (92.6%), yes 7 (7.4%)], Neuropsychiatric History [no 67 (70.5%), yes 28 (29.5%)], Alcohol [no 66 (69.5%), past yes 14 (14.7%), present yes 15 (15.8%)], Tobacco [no 62 (65.3%), past yes 16 (16.8%), present yes 15 (15.8%)], Dementia (in family) [no 74 (77.9%), yes 21 (22.1%)], Multiple regression analyses–Pearson correlation analysis (1 tailed), SSI-Beck/BDI .533 (p=.000), SSI-Beck/PSQI .336 (p=.000), SSI-Beck/BDHI .387 (p=.000), BDI/PSQI .572 (p=.000), BDI/BDHI .281 (p=.003), BDI/Moca-k -.183 (p=.038), BDI/MMSE-K -.289 (p=.002) K-MDQ/PSQI .211 (p=.020), Moca-K/MMSE-K .575 (p=.000), MMSE-K/PSQI -.293 (p=.002), Model 1[R .615, R square .378, Predictors (cognition MMSE-K, Moca-K, Mood change (K-MDQ, BDI), Aggression (BDHI), Sleep quality (PSQI), Dependent variable (suicidal ideation)], ANOVA-Model 1 (F=8.907, p=.000), Coefficients-Model 1 (suicidal ideation, SSI-Beck, t=-2.709, p=.000). The above results suggest that the complicated changes of cognition, mood, aggression, and sleep quality under the age of 50 as risk factors in elderly life can induce suicidal ideation. Hence as close to the old age, it should be recognized the seriousness about cognitive change, mood change, aggression, and sleep quality.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».