Cognitive impairment in a primary healthcare population: a cross-sectional study on the island of Crete, Greece
Notice bibliographique
Résumé
OBJECTIVES: Cognitive impairment is known to have a significant impact on the quality of life of individuals and their caregivers, yet it is often underdiagnosed. The objective of this study is to assess the extent of cognitive impairment among elders visiting primary healthcare (PHC) practice settings, to explore associated risk factors and discuss current care challenges for PHC providers. DESIGN: A cross-sectional study was conducted between March 2013 and May 2014. SETTING: Fourteen PHC units located in rural and urban areas of the Heraklion district in Crete, Greece. PARTICIPANTS: Consecutive visitors aged at least 60 years attending selected PHC practices. PRIMARY AND SECONDARY OUTCOME MEASURES: The Mini-Mental State Examination (MMSE) was used to indicate cognitive status. Associations of low MMSE scores (≤23/24, adjusted for education level) with 12 socio-demographic factors, comorbidities and lifestyle factors were assessed. RESULTS: A total of 3140 PHC patients met inclusion criteria (43.2% male; mean age 73.7±7.8 years). The average MMSE score was 26.0±3.8; 26.7±3.5 in male and 25.4±3.9 in female participants (p<0.0001). Low MMSE scores were detected in 20.2% of participants; 25.9% for females vs 12.8% for males; p<0.0001. Female gender (adjusted OR (AOR)=2.72; 95% CI 2.31 to 3.47), age (AOR=1.11; 95% CI 1.10 to 1.13), having received only primary or no formal education (AOR=2.87; 95% CI 2.26 to 3.65), alcohol intake (AOR=1.19; 95% CI 1.03 to 1.37), reporting one or more sleep complaints (AOR 1.63; 95% CI 1.14 to 2.32), dyslipidaemia (AOR=0.80; 95% CI 0.65 to 0.98) and history of depression (AOR=1.90; 95% CI 1.43 to 2.52) were associated with low MMSE scores. CONCLUSIONS: This study identified a relatively high prevalence of low MMSE scores among persons attending PHC practices in a southern European community setting and associations with several known risk factors.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».