Functional assessment as a predictor of cognitive impairment: a retrospective cohort study
Notice bibliographique
Résumé
INTRODUCTION: It is estimated that major neurocognitive disorders will affect 115.4 million people by 2050, representing a significant financial burden for society. Likewise, functional dependence for basic or instrumental activities of daily life is usually a consequence of the greater prevalence of disabling pathologies, and of the progressive decrease of the physiological reserve due to aging. OBJECTIVES: To determine the ratio between the functional test and prediction of deterioration of cognitive function in geriatric patients. To determine which factors are associated with decreased cognitive functions in elderly patients. METHODS: This is a retrospective cohort study. We included participants who attended the Geriatrics Outpatient Services of the Naval Medical Center of Peru from 2010 to 2014. Two groups were formed, the first comprised those who presented physiological loss of cognitive functions, defined as the decrease less than 4.1 points in the score of the Mini Mental State Examination during follow-up and a second group who had a pathological loss of cognitive functions, defined as a decrease of 4.2 points in average or more in the Mini Mental State Examination score during follow-up. Patients were followed for four years, performing functional evaluations, as well as collecting data on comorbidities and sociodemographic factors. RESULTS: We included 368 patients, whose mean age was 75.8 years and 50.91% male. Female gender (53.72%), poor education (62.81%), and comorbidities were statistically more frequent in the pathological cognitive decline group. Functional assessment variables had a worse disease progress through follow-up in the group with pathological disease progress of the Mini Mental State Examination score, including Timed Up and Go Test. CONCLUSIONS: Score values of Timed Up and Go Test manage to predict the risk of a pathological decrease in Mini Mental State Examination regardless of sociodemographic factors, comorbidities, and functional assessment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».