Long-Term Subclinical Hyperglycemia and Hypoglycemia as Independent Risk Factors for Mild Cognitive Impairment in Elderly People
Notice bibliographique
Résumé
Dementia is one of the most common geriatric diseases, and mild cognitive impairment (MCI) is considered to be incipient dementia. MCI patients have elevated risk of progressing to dementia. Multiple metabolic abnormalities have an unconfirmed effect on MCI risk, and taking adequate measures against metabolic abnormalities might prevent the developing of MCI. Thus, the present study explored the association of MCI risk with common metabolic abnormalities, such as hyperglycemia, hypoglycemia, hyperlipidemia and hypouricemia, and to provide the basis for MCI prevention. A total of 1,262 elderly outpatients with normal cognitive function and without confirmed diabetes mellitus, hyperlipoidemia and gout were enrolled. During the five-year follow-up period, 142 subjects were diagnosed with MCI according to Mini Mental State Examination and Montreal Cognitive Assessment. Furthermore, annual blood glucose, glycated hemoglobin, lipids and uric acid values were obtained, and mean of each indicator was calculated. Only mean values were included in the study to reflect long-term effect of metabolic abnormalities on MCI risk. Thus, the increased risk of MCI was associated with the mean values of blood glucose < 4.7 mmol/L (RR: 1.57, 95% CI: 1.14-2.32), blood glucose ≥ 6.3 mmol/L (RR: 1.49, 95% CI: 1.03-2.39), glycated hemoglobin ≥ 5.9% (RR: 2.28, 95% CI: 1.59-3.91), triglycerides ≥ 2.0 mmol/L (RR: 2.79, 95% CI: 2.14-3.79), total cholesterol ≥ 5.5 mmol/L (RR: 2.37, 95% CI: 1.69-3.39) and uric acid ≤ 380 μmol/L (RR: 1.62, 95% CI: 1.08-2.51). In conclusion, long-term subclinical hyperglycemia, hypoglycemia, hyperlipidemia, and hypouricemia are independent risk factors for MCI in elderly people.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».