Estratégia para rastreamento precoce de demência
Notice bibliographique
Résumé
Objetivo: Avaliar a abordagem de alunos de medicina entre seus familiares no rastreamento de detecção precoce de demência. Métodos: Estudo analítico e observacional. A amostra foi de conveniência envolvendo 41 familiares. Foi utilizado o Mini-Exame do Estado Mental (MEEM). Os parâmetros das variáveis quantitativas foram expressos por suas médias e desvios-padrão e medianas. Os pmearâmetros das variáveis qualitativas foram expressos por suas frequências. Teste exato de Fisher foi utilizado entre as frequências dos níveis de escolaridade e o escore do MEEM. Foi considerado p ≤ 0,05 para rejeição da hipótese de nulidade. O projeto foi aprovado pelo Comitê de Ética de Pesquisa em Seres Humanos. Resultados: A média das idades foi de 67,7 ± 7,2 anos. O tempo de escolaridade foi categorizada em: 4 (9,7%) com < 8 anos, 9 (22%) com > 8 e <11 anos e 28 (68,3%) com > 11 anos. Entre os participantes com nível de escolaridade < 8 anos, o escore de MEEM foi normal em três casos (75%), diminuído em um caso (25%); entre os com nível de escolaridade entre >8 e <11 anos, quatro foram normais (44,4 %), diminuído em cinco (55,6%); entre os com o nível de escolaridade >11 anos, 20 (71,4%) foram normais e oito (28,6%) foram diminuídos. Para o tamanho amostral, não foi observado associação entre níveis elevados de educação (>11 anos) e níveis inferiores de escolaridade (p=0,3072). Conclusões: A estratégia da abordagem de alunos de medicina no rastreamento de demência entre familiares necessita ser mais estimulada, podendo levar a maior interação social e familiar no ambiente em que vivem.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».