Prevalence, Influence Factors and Cognitive Characteristics of Mild Cognitive Impairment in Type 2 Diabetes Mellitus
Notice bibliographique
Résumé
Background Type 2 diabetes mellitus (T2DM) is considered as an independent risk factor for mild cognitive impairment (MCI). This study was performed to investigate the prevalence, influencing factors and cognitive characteristics of MCI in elderly patients with T2DM in China. Methods In the cross-sectional study, we performed cluster random sampling of 3246 people age 60 years and older across the country. All participants were interviewed and screened for T2DM and MCI. A total of 341 subjects were diagnosed of MCI according to the criteria of Petersen, and a total of 256 subjects were diagnosed of T2DM by using the American Diabetes association criteria Among the 256 T2DM people, 56 were also diagnosed with MCI. Logistic regression analyses were performed to evaluate risk and protective factor for MCI with T2DM. We also assessed their cognitive function by using the Mini-mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA), Digit span, Associative learning test, Visual identification test, Verbal fluency, Wechsler Adult Intelligence Scale (WAIS)-III Block Design, Wechsler Adult Intelligence Scale (WAIS)-III picture completion and Auditory verbal learning test. Results Among the 256 T2DM patients, 56 were diagnosed with MCI, and the prevalence of MCI in T2DM was 21.8%. Multivariate logistic regression analyses showed that depression (p=0.002, OR=6.220, 95%CI: 2.005~19.290) was a risk factor for MCI among T2DM patients, while education (p0.05) in neuropsychological tests between T2DM-MCI group and No-T2DM-MCI group. Linear regression analysis showed that the drug treatment of diabetes was positively correlated (t=2.263, p=0.025) with the total score of auditory word tests. Conclusions The present study suggests a high prevalence of MCI among Chinese T2DM patients. depression is a risk factors for MCI, while education is a protective one. T2DM patients with MCI often show comprehensive cognitive impairment, and the drug treatment of diabetes might help to improve cognitive function. Key words: T2DM, MCI, Chinese elderly, auditory verbal learning test
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 | 0,001 |
| 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 | 0,000 | 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 ».