Modifiable Factors Associated with Cognitive Impairment in 1,143 Japanese Outpatients: The Project in Sado for Total Health (PROST)
Notice bibliographique
Résumé
BACKGROUND/AIMS: Evidence on modifiable factors associated with cognitive impairment in Japanese patients is scarce. This study aimed to determine modifiable factors for cognitive impairment in a Japanese hospital-based population. METHODS: Subjects of this cross-sectional study were 1,143 patients of Sado General Hospital (Niigata, Japan) registered in the Project in Sado for Total Health (PROST) between June 2008 and September 2014. We assessed disease history, body mass index (BMI), leisure time physical activity, walking time, smoking and drinking habits, and consumption of vegetables, fruits, and green tea as predictors, with cognitive impairment defined by the Mini-Mental State Examination (score <24) as an outcome. Multiple logistic regression analysis was performed to calculate odds ratios (ORs) for cognitive impairment. RESULTS: The mean subject age was 68.9 years, and the prevalence of cognitive impairment was 21.5%. Multivariate analysis revealed that age (p < 0.001), low BMI (<21.1; OR 1.39, 95% CI 1.12-1.72), a history of stroke (p = 0.003), a history of myocardial infarction (p = 0.038), low fruit consumption (p for trend = 0.012), and low green tea consumption (p for trend = 0.032) were independently associated with a higher prevalence of cognitive impairment. CONCLUSIONS: Modifiable factors, such as low BMI, low fruit consumption, and low green tea consumption, are associated with cognitive impairment. Longitudinal studies will be needed to confirm these findings.
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) | 0,001 | 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) | 0,000 | 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 ».