Demographic Factors and Cognitive Function Assessments Associated with Mild Cognitive Impairment Progression for the Elderly
Notice bibliographique
Résumé
Objectives . In this study, we aimed to conduct a 6‐year follow‐up and acquire a large sample dataset to analyze the most important demographic factors and cognitive function scale variables associated with mild cognitive impairment (MCI) progression for an elderly cohort (age ≥ 60 years old). Patients and Methods. We analyzed the subjects who had participated in a survey in 2011 and were successfully contacted in the later survey in 2017. For each subject, the basic demographic information was recorded, including sex, age, education level, marital status, working status, income level, and physical mental illness history. Cognitive assessments were performed using the following scales if possible: (1) the mini‐mental state examination (MMSE) scale, (2) Montreal cognitive assessment (MoCA), (3) the clinical dementia rating (CDR) scale, and (4) Hamilton Depression Scale (HAMD‐17). Results . The progression outcomes were different between sexes, among age brackets, education degrees, occupations types, and income levels; different progression groups had distinct children numbers ( p < 0.001), heights ( p < 0.05), and body weights ( p < 0.01); the positive ends six years later were positively related to better performance in the MoCA and MMSE scales (progressed vs stable p < 0.01). Moreover, we constructed some indicators using age, MoCA, and MMSE scores, which showed an efficiency in predicting the progression outcomes. Conclusions . In conclusion, the MCI progression outcomes were associated with sex, age, education degrees, occupations types, income level, children number, height, and weight. MoCA and MMSE scales are supporting tools to predict the progression outcomes, especially combined with the demographic data.
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 | 0,001 | 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 | 0,001 |
| 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 ».