Relation Between Hypertension and Cognitive Impairment in Elderly at Posyandu Lansia Developed by Puskesmas Ngoresan, Surakarta
Notice bibliographique
Résumé
Introduction: Hypertension is a condition of increasing blood pressure and it causes certain symptoms which will further damage the body. Elderly or a person older than 60 years old will be more susceptible to hypertension because there were many changes in body function and structure. Hypertension will lead to changes in vascular structures, disruption of cerebral autoregulation, white matter lesion, lacunar infarction, and eventually result in cognitive impairment. This study aim s to determine a relation of hypertension to cognitive impairment in elderly at Posyandu Lansia developed by Puskesmas Ngoresan , Surakarta and factors which affect cognitive impairment. Methods: This was an observational analytic research with a cross sectional study. This research was done in Posyandu Lansia and general clinic of Puskesmas Ngoresan , Surakarta. The subject of the research was the elderly with hypertension at Puskesmas Ngoresan , Surakarta, male, aged ≥ 60 years, and literate. The 60 sample s were taken using purposive sampling technique, which consist of 30 with hypertension and 30 without hypertension. Blood pressure was measured by using mercury sphygmomanometer. The assesment of cognitive function was done by using the Indonesian version of Montreal Cognitive Assessment (MoCA-Ina). The data were analyzed using chi square and multiple logistic regression . Result s : The result of analytic test between hypertension and cognitive impairment showed significant relation (OR = 7.59; CI 95% = 1.73 – 33.30; p = 0,007) . There was significant relation between smoking activity and cognitive impairment (OR = 0.07; CI 95% = 0.01 – 0.40; p = 0.003 ). L evel of education and hypertension duration showed no n significant relation to cognitive impairment with each value is p = 0.059; p = 0.697. Conclusion s : Hypertension is a factor that increases the risk of cognitive impairment and smoking is a factor that decreases the risk of cognitive impairment. Keywords : Cognitive Impairment, Hypertension
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».