Analysis on Risk Factors of Type 2 Diabetes Mellitus with Mild Cognitive Dysfunction
Notice bibliographique
Résumé
Objective To investigate the risk factors of mild cognitive impairment (MCI) in patients with type 2 dia betes (T2DM), and the clinical evidence for the early diagnosis and treatment thereof. Methods A total of 217 T2DM pa tients were divided into T2DM with MCI group (n=92) and T2DM with normal cognitive function(NMCI) group (n=125). Mon treal cognitive assessment scale (MoCA) and activities of daily living scale (ADL) were used to assess the functional status in two groups of patients. The general clinical data and biochemical indicators were obtained and compared in two groups. Re sults There were statistical differences in age, smoking history, education status, high sensitive C reactive protein (hs-CRP), coronary heart disease, hypertension, glycated hemoglobin A1c (HbA1c) and T2DM history between two groups. Re sults of univariate logistic regression analysis showed that old age, longer course of T2DM, smoking history, higher hs-CRP and HbA1c, complicated with coronary heart disease and hypertension were risk factors for T2DM with MCI, while the higher education status was a protective factor. Multiple logistic regression analysis showed that old age and longer T2DM history were risk factors, and the higher education was a beneficial factor for T2DM with MCI. Conclusion Many risk factors may play a part in T2DM with MCI. Early detection and prompting medical attention may help prevent and decrease the preva lence of MCI in patients with T2DM.
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 | 0,001 |
| 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) | 0,002 | 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 ».