Cognitive impairment and hypertension in older adults living in extreme poverty: a cross-sectional study in Peru
Notice bibliographique
Résumé
BACKGROUND: Previous studies have shown that hypertension is a risk factor for cognitive impairment, but whether this association is also present in extremely poor populations in Low Middle Income Countries settings remains to be studied. Understanding other drivers of cognitive impairment in this unique population also merits attention. METHODS: We performed a secondary analysis using data from the "Encuesta de Salud y Bienestar del Adulto Mayor", a regional survey conducted in an extremely poor population of people older than 65 years old from 12 Peruvian cities in 2012. The outcome variable was cognitive impairment, determined by a score of ≤7 in the modified Mini-Mental State Examination. The exposure was self-reported hypertension status. Variables such as age, gender, controlled hypertension, education level, occupation, depression and area of living (rural/urban) were included in the adjusted analysis. We used Poisson regression with robust variance to calculate prevalence ratios (PR) and 95% confidence interval (95% CI) adjusting for confounders. RESULTS: Data from 3842 participants was analyzed, 51.8% were older than 70 years, and 45.6% were females. The prevalence of cognitive impairment was 1.7% (95% CI 1.3%-2.1%). There was no significant difference on the prevalence of cognitive impairment between the group of individuals with hypertension in comparison with those without hypertension (PR = 0.64, 95% CI 0.33-1.23). CONCLUSIONS: The association described between hypertension and cognitive impairment was not found in a sample of extremely poor Peruvian older adults.
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 | 0,001 | 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) | 0,000 | 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 ».