Cognitive performance of older adults in a specialized diabetes clinic
Notice bibliographique
Résumé
BACKGROUND: Diabetes mellitus is a risk factor for cognitive changes, but assessment for cognitive disorders in this population is performed infrequently. The present study examined the frequency of cognitive disorders and patterns of deficit in patients enrolled in a specialized clinic for diabetes. METHODS: A cross-sectional study was conducted to assess cognition in Mount Sinai Diabetes Center patients. Thirty eligible subjects aged ≥50 years were assessed and compared with non-diabetic cognitively normal control subjects, as well as non-diabetic subjects with mild cognitive impairment (MCI). The main outcome(s) and measure(s) were obtained through cognitive assessment and diagnosis using the Alzheimer's Disease Centers' uniform data set. RESULTS: Forty percent of subjects were newly diagnosed with a cognitive disorder: 10% were diagnosed with dementia and 30% with MCI. Diabetic subjects performed worse on the Mini-Mental State Examination (27.2 vs 28.4; P = 0.0132), list generation (9.5 vs 12.2; P = 0.0190), Trail Making Test, Parts A (70.1 vs 43.0; P < 0.0001) and B (197.2 vs 123.6; P < 0.0001), and the Digit Symbol test (12.7 vs 40.1; P < 0.0001) than cognitively normal individuals. Compared with subjects with MCI (amnestic type), diabetic subjects performed better on tasks of immediate and delayed recall (11.2 vs 7.3 [P = 0.0048] and 8.4 vs. 4.1 [P = 0.0003], respectively). CONCLUSIONS: Undiagnosed cognitive disorders are common and underappreciated in patients being treated in a specialized diabetes clinic. It may be important to make cognitive assessment a standard part of patient assessments.
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 | 0,001 |
| 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 ».