The number of remaining teeth as a risk indicator of cognitive impairment: A cross‐sectional clinical study in <scp>Sado Island</scp>
Notice bibliographique
Résumé
Most studies that have demonstrated an association between number of remaining teeth and cognitive impairment have treated teeth as a continuous variable, although the relationship is nonlinear. The aim of this cross-sectional study was to determine the critical number of remaining teeth in hospital outpatients at which the association with cognitive impairment becomes apparent. Japanese adults living on Sado Island who visited Sado General Hospital were invited to participate in Project in Sado for Total Health. In total, 2,530 adults were interviewed and had their teeth counted; 1,476 of these individuals also completed the Mini-Mental State Examination (MMSE) and underwent measurement of their serum high-sensitivity C-reactive protein (hsCRP) levels. Patients on dialysis and those with hsCRP ≥ 10 mg/L were excluded. The final study group consisted of 565 adults (290 men and 275 women) of mean age 69.8 (range 29-91) years. An MMSE score < 24 was considered to indicate cognitive impairment. The subjects were categorized according to whether they had an edentulous jaw or one to 10, 11-20, 21-27, or ≥28 remaining teeth. One hundred twenty-eight of the 565 study participants were diagnosed to have cognitive impairment. Multiple logistic regression analysis revealed associations of cognitive impairment with older age, ischemic heart disease, smoking, and alcohol consumption. After adjustment for covariates, having one to 10 remaining teeth was significantly associated with cognitive impairment. There is a significant association between having only one to 10 remaining teeth and cognitive impairment in hospital outpatients.
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».