Prevalence of Mild Cognitive Impairment Among Older People in Kazakhstan and Potential Risk Factors
Notice bibliographique
Résumé
BACKGROUND: There have been no epidemiological studies of mild cognitive impairment (MCI) in Central Asia. OBJECTIVE: The objective of this study was to describe the prevalence of, and risk factors for, MCI in an urban population in Kazakhstan. METHODS: Adults aged 60 years and over were randomly selected from registers of 15 polyclinics in Almaty. Of 790 eligible people, 668 agreed to participate (response rate 85%). Subjects were screened using the Montreal Cognitive Assessment (MoCA). Those who scored 26 or lower on the MoCA were assessed by a multidisciplinary team and a diagnosis of normal cognition, MCI or dementia was made. RESULTS: The median MoCA score was 22 and the prevalence of MCI was 30%. MoCA scores were lower, and MCI prevalence was higher, among those with less education and those with older age. There was no difference in MoCA scores or MCI prevalence by sex or ethnic group (Kazakh or Russian). High blood pressure, older age, and lower education were associated with increased odds of MCI in crude analyses but only age and education remained statistically significant in an adjusted logistic regression model. CONCLUSIONS: The prevalence of MCI in Kazakhstan is high. Higher levels of education may lead to lower prevalence of MCI in the future.
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) | 0,001 | 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 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 ».