HUBUNGAN SKORMINI-MENTAL STATE EXAMINATION (MMSE) DAN SKOR MONTREAL COGNITIVE ASSESSMENT-VERSI INDONESIA (MOCA-INA) TERHADAP USIA DAN LAMA PENDIDIKAN PENERIMA MANFAAT PANTI SOSIAL TRESNA WERDHA (PSTW) GAU MABAJI GOWA, SULAWESI SELATAN TAHUN 2017
Notice bibliographique
Résumé
Increasing human life expectancy worldwide increases the status of age-old cognitive impairment. Therefore, sensitive tests are required to overcome these cognitive disorders. This observational analytical study used the Mini-Mental State Examination ( MMSE) and the Montreal Cognitive Assessment (MoCA-Ina) to assess the cognitive impairment of the beneficiaries of the Panti Sosial Tresna Werdha (PSTW) Gau Mabaji Gowa, South Sulawesi regarding age and duration of education. A total of 55 samples were determined successively, the researchers found a significant mean relationship between age with MMSE score (p = 0,001) vs MoCA-Ina score (p = 0,030) and between education to MMSE score (p = 0,00) vs MoCA-Ina (p = 0.00) Keyword : MMSE, MoCA-Ina, age, education Peningkatan angka harapan hidup manusia di seluruh dunia meningkatkan insiden gangguan kognitif usia tua. Oleh karena itu, diperlukan tes yang sensitif untuk mendeteksi gangguan kognitif tersebut. Penelitian analitik observasional ini menggunakan Mini-Mental State Examination (MMSE) dan Montreal Cognitive Assessment- versi Indonesia (MoCA-Ina) untuk menilai gangguan kognitif penerima manfaat Panti Sosial Tresna Werdha (PSTW) Gau Mabaji Gowa, Sulawesi Selatan terkait usia dan lama pendidikan. Total 55 sampel yang ditentukan secara consecutive sampling , peneliti menemukan hubungan yang secara signifikan bermakna antara usia dengan skor MMSE ( p =0.001) vs MoCA-Ina ( p =0.030)dan antara lama pendidikan terhadap skor MMSE ( p =0.00) vs MoCA-Ina ( p =0.00) Kata kunci : MMSE, MoCA-Ina, usia, pendidikan
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,005 | 0,010 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,006 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».