Mild behavioral impairment is related to frailty in non-dementia older adults: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Frailty and cognitive decline are highly prevalent among older adults. However, the relationship between frailty and mild behavioral impairment (MBI), a dementia risk syndrome characterized by later-life emergence of persistent neuropsychiatric symptoms, has yet to be elucidated. We aimed to evaluate the associations between MBI and frailty in older adults without dementia. METHODS: In this cross-sectional study, a consecutive series of 137 older adults without dementia in the Anti-Aging Study, recruited from primary care clinics, were enrolled. Frailty was estimated using the Fried phenotype. MBI was evaluated by the Mild Behavioral Impairment Checklist (MBI-C) at a cut-off point of > 8. Cognition was assessed with the Chinese versions of the Montreal Cognitive Assessment (MoCA-BC) and Mini-mental State Examination (MMSE). Multivariable logistic regression was performed to estimate the relationship between MBI and objective cognition with frailty status. RESULTS: At baseline, 30.7% of the older adults had frailty and 18.2% had MBI (MBI+ status). Multivariable logistic regression analysis demonstrated that compared to those without MBI (MBI- status), MBI+ was more likely to have frailty (odds ratio [OR] = 7.44, 95% CI = 1.49-37.21, p = 0.02). Frailty and MBI were both significantly associated with both MMSE and MoCA-BC score (p < 0.05). CONCLUSIONS: Both frailty and MBI status were associated with higher odds of cognitive impairment. MBI was significantly associated with an increased risk of having frailty in the absence of dementia. This association merits further study to identify potential strategies for the early detection, prevention and therapeutic intervention of frailty.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
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 ».