A longitudinal study of cognitive decline in rural Tanzania: rates and potentially modifiable risk factors
Notice bibliographique
Résumé
ABSTRACTBackground:The number of people living with dementia in sub-Saharan Africa (SSA) is expected to increase rapidly in the coming decades. However, our understanding of how best to reduce dementia risk in the population is very limited. As a first step in developing intervention strategies to manage dementia risk in this setting, we investigated rates of cognitive decline in a rural population in Tanzania and attempted to identify associated factors. METHODS: The study was conducted in the rural Hai district of northern Tanzania. In 2014, community-dwelling people aged 65 years and over living in six villages were invited to take part in a cognitive screening program. All participants from four of the six villages were followed-up at two years and cognitive function re-tested. At baseline and follow-up, participants were assessed for functional disability, hypertension, and grip strength (as a measure of frailty). At follow-up, additional assessments of visual acuity, hearing impairment, tobacco and alcohol consumption, and clinical assessment for stroke were completed. RESULTS: Baseline and follow-up data were available for 327 people. Fifty people had significant cognitive decline at two-year follow-up. Having no formal education, low grip strength at baseline, being female and having depression at follow-up were independently associated with cognitive decline. CONCLUSIONS: This is one of the first studies of cognitive decline conducted in SSA. Rates of decline at two years were relatively high. Future work should focus on identification of specific modifiable risk factors for cognitive decline with a view to developing culturally appropriate interventions.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».