Prevalence, types and recognition of cognitive impairment in dialysis patients in South Eastern Sydney
Notice bibliographique
Résumé
BACKGROUND: In international studies, cognitive impairment is a common but underdetected issue in dialysis patients. Chronic kidney disease (CKD) shares risk factors with and is an independent risk factor for cognitive impairment. There is a lack of Australian data on cognitive impairment in this at-risk population. This has implications on service planning because cognitive impairment in CKD is associated with higher mortality, morbidity and healthcare costs. AIMS: To examine the prevalence, types and clinician recognition of cognitive impairment within an Australian dialysis population. METHODS: A cross-sectional study of haemodialysis and peritoneal dialysis patients in South Eastern Sydney screened for cognitive impairment using the Montreal Cognitive Assessment (MoCA). Participant interviews, medical records, physician and carer questionnaires, were used to determine the types of cognitive impairment and rate of recognition. RESULTS: One hundred and six participants were included (median age 66 years, median dialysis duration 2 years) and 58 (54.7%) were cognitively impaired on the MoCA, of whom old age psychiatrists sub-classified 21 (36.2%) as having dementia, and 31 (53.4%) with 'cognitive impairment, no dementia'; 36/58 (62.0%) of the cognitively impaired participants on the MoCA were suspected of having cognitive impairment by nephrologists but only 14/58 (24.1%) had this documented in medical records. CONCLUSION: Although cognitive impairment is common in dialysis patients, there are low levels of detection by clinical teams. Cognitive screening of dialysis patients should be incorporated as part of wider assessment and determination of management goals such as individuals' capacity to self-care and provide informed consent to treatments.
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) | 0,001 | 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 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 ».