MétaCan
Menu
Retour à la cohorte
Enregistrement W2963315408 · doi:10.33476/ms.v5i1.857

Hubungan antara Ketergantungan Nikotin berdasarkan Fagerstrom Test for Nicotine Dependence (FTND )dengan Gangguan Fungsi Kognitif yang Dinilai dengan MoCA-Ina

2019· article· en· W2963315408 sur OpenAlexaboutno aff
Ida Ratna Nurhidayati, Eka Syafnita

Notice bibliographique

RevueMajalah Sainstekes · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMontreal Cognitive AssessmentNicotine dependencePopulationCognitive impairmentNicotineCognitionClinical psychologyInternal medicinePsychiatryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The aim of the study to know correlation between nicotine dependencybased on Fragerstom Test for Nicotine Dependence (FTND) and cognitive impairment that being assessed by MoCA-Ina. This is a cross sectional study was carried out in YARSI University. Consecutive sampling was used as the sampling method taken form academic community as the population. Data was analyzed using Chi-square. Forty-four subjects were enrolled in this study. All of them were being assessed using (FTND) and Montreal Cognitive Assessment Indonesian Version (MoCA-Ina). Thirty subjects were found having cognitiveimpairment with p value 0.045, there is a correlation between nicotine dependency based on FTND and cognitive impairment that being assessed by MoCA-Ina; correspond with receptor disinvitation theory. The result of study can be used by physician in counselling and early detection of cognitive impairment because the number of smokers in Indonesia is still high.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,274
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMajalah SainstekesMême sujetPublic Health and NutritionTravaux en français237 207