A Risk Factor Analysis of Cognitive Impairment in Elderly Patients with Chronic Diseases in a Chinese Population
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 This study analyzed the risk factors of cognitive impairment (CI) in elderly patients with chronic diseases. MATERIAL AND METHODS In total of 385 elderly patients with chronic diseases were selected and assigned into CI and normal groups. The activities of daily living (ADL), global deterioration scale (GDS), Mini-Mental State Examination (MMSE), Montreal Cognitive Assessment Scale (MoCA), patient-generated subjective global assessment (PG-SGA), and mini nutritional assessment (MNA) were performed to analyze the differences between the 2 groups. Logistic regression analysis was conducted for risk factors of CI in elderly patients with chronic diseases. RESULTS There were differences in age, education level, type 2 diabetes mellitus, multifocal cerebral infarction, hearing, and eyesight between CI and normal groups. Patients in the CI group showed more CD4+ cells, more admission times, and higher GDS scores than the normal group. Also, MMSE and MoCA scores revealed differences in total score, directive force, attention and calculating ability, language, delayed memory, reading comprehension, writing, and visual-spatial ability between the 2 groups. The number of B and CD8+ cells, ADL, and MNA scores were protective factors, while cerebral infarction history, number of CD4+ cells, admission times, GDS score, and age were risk factors of CI in elderly patients with chronic diseases. CONCLUSIONS Our study provides evidence that cerebral infarction history, number of CD4+ cells, admission times, GDS score, and age are risk factors of CI in elderly patients with chronic diseases.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 découle