The factors contributing to cognitive dysfunction in type 2 diabetic patients
Notice bibliographique
Résumé
BACKGROUNDS: The aim of the research was to investigate the factors contributing to cognitive dysfunction in type 2 diabetic patients, to distinguish the complex relationship between diabetic retinopathy (DR) and different cognitive status. METHODS: Two hundred and ninety-seven type 2 diabetes mellitus (T2DM) patients were enrolled in our study. We adopted the Clinical Dementia Rating (CDR), Mini-mental State Examination (MMSE) and Montreal Cognitive Assessment (MOCA) to evaluate the cognitive function. Firstly, cognition status was classified into dementia and non-dementia according to MMSE and CDR. Patients with non-dementia were further classified into mild cognitive impairment (MCI) and normal cognition status based on MOCA. The factors contributing to cognitive dysfunction were analyzed. RESULTS: Among the 297 T2DM subjects, 47 were enrolled in the dementia group and 174 in the MCI group according to a battery of cognitive function tests, presenting a prevalence of 15.8% and 58.6% respectively. After adjustment for age, sex, and education level, waist circumference and DR were risk factors for dementia (OR: 1.057, P=0.011; OR: 2.197, P=0.040). Low-density lipoprotein cholesterol (LDL-C) was a risk factor for MCI (OR: 1.635, P=0.047), while age at T2DM onset and moderate drinking were protective factors for MCI (OR: 0.936, P=0.044; OR: 0.289, P=0.004). CONCLUSIONS: MCI is common in T2DM patients. Waist circumference and DR are risk factors of dementia, LDL-C is a risk factor for MCI, and moderate drinking and age at T2DM onset are protective factors for MCI. DR is unrelated to MCI in T2DM.
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 | 0,000 |
| 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) | 0,000 | 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 ».