Cognitive impairment and its predictors: A cross-sectional study among the elderly in a rural community of West Bengal
Notice bibliographique
Résumé
CONTEXT: With the aging of Indian society, maintaining salubrious cognitive health in late life is a public health priority. Early detection and possible prevention of cognitive impairment (CI), thus, will help in increasing the quality of life of elderly people and decreasing the social, psychological, and economic burden of their families and caregivers. AIMS: The study aimed to assess proportion of CI and its predictors. SETTINGS AND DESIGN: This community-based cross-sectional study was conducted among 135 elderly people selected from 15 villages out of a total 64 villages in rural field practice area Singur of AIIH&PH, Kolkata. METHODS AND MATERIAL: Cluster sampling technique was used and villages were selected according to probability proportional to size method. Data was collected using a predesigned, pretested structured schedule, which included sociodemographic and behavioral variables, Montreal cognitive assessment tool, Geriatric depression scale short form (GDS 15), and mini nutritional assessment tool. STATISTICAL ANALYSIS USED: Predictors of CI were assessed by univariate and multivariable logistic regression using MS-Excel 2016 and SPSS version 16 software. RESULTS: Mean age of the study participants was 67.03 ± 6.7 years with 51.9% of them being females. Proportion of CI was observed to be 48.1% which was significantly associated with increasing age [AOR = 1.1 (1.02-1.13)], decreasing years of schooling [AOR = 1.1 (1.01-1.2)], depression [AOR = 2.7 (1.3-5.8)], and malnourished group [AOR = 4.5 (1.01-20.3)]. CONCLUSION: The burden of CI among the study population was found to be quite high. It is an alarming situation which needs improved screening facility for early detection. Nutritional upliftment and screening for depression should also be done on a regular basis.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».