Cognitive function and advanced kidney disease: longitudinal trends and impact on decision-making
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Cognitive impairment commonly affects renal patients. But little is known about the influence of dialysis modality on cognitive trends or the influence of cognitive impairment on decision-making in renal patients. This study evaluated cognitive trends amongst chronic kidney disease (CKD), haemodialysis (HD) and peritoneal dialysis (PD) patients. The relationship between cognitive impairment and decision-making capacity (DMC) was also assessed. Methods: Patients were recruited from three outpatient clinics. Cognitive function was assessed 4-monthly for up to 2 years, using the Montreal Cognitive Assessment (MoCA) tool. Cognitive trends were assessed using mixed model analysis. DMC was assessed using the Macarthur Competency Assessment tool (MacCAT-T). MacCAT-T scores were compared between patients with cognitive impairment (MoCA <26) and those without. Results: In total, 102 (41 HD, 25 PD and 36 CKD) patients were recruited into the prospective study. After multivariate analysis, the total MoCA scores declined faster in dialysis compared with CKD patients [coefficient = −0.03, 95% confidence interval (95% CI) = −0.056 to − 0.004; P = 0.025]. The MoCA executive scores declined faster in the HD compared with PD patients (coefficient = −0.12, 95% CI = −0.233 to − 0.007; P = 0.037). DMC was assessed in 10 patients. Those with cognitive impairment had lower MacCAT-T compared with those without [median (interquartile range) 19 (17.9–19.6) versus 17.4 (16.3–18.4); P = 0.049]. Conclusions: Cognition declines faster in dialysis patients compared with CKD patients and in HD patients compared with PD patients. Cognitive impairment affects DMC in patients with advanced kidney disease.
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.
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 | 0,006 |
| 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 découle