P.002 Quality of life across types of dementia in rural and remote memory clinic patients
Notice bibliographique
Résumé
Background: Quality of life (QOL) is of great importance in dementia. We examined QOL across types of dementia in patients presenting to a rural and remote memory clinic (RRMC). Methods: This analysis included 343 RRMC patients seen between 2004 and 2016. Patients were diagnosed with mild cognitive impairment (MCI, n=74), frontotemporal dementia (FTD, n=42), Alzheimer’s disease (AD, n=187), vascular dementia (VD, n=22), or Lewy Body dementia (DLB, n=18). Patients and caregivers completed questionnaires at their initial visit. Data collection included patient-rated patient QOL (QOL-PT), caregiver-rated patient QOL (QOL-CG), MMSE score, age, and other patient demographics. Statistical analysis assessed patient variables and differences in QOL across types of dementia using one-way ANOVA, χ2 tests, and t-tests. Results: QOL-PT did not differ by diagnosis, whereas QOL-CG did. QOL-CG was significantly higher in MCI (34.6±7.1) compared to FTD (30.9±5.2) and AD (31.7±5.9). QOL-PT and QOL-CG differed in certain dementia types. QOL-PT was significantly higher than QOL-CG in MCI (QOL-PT=37.3±5.0, QOL-CG=35.3±7.3), FTD (QOL-PT=37.2±6.1, QOL-CG=31.7±5.5), and AD (QOL-PT=37.0±9.7, QOL-CG=32.1±5.9). Conclusions: We found that QOL-PT does not differ across dementia types, QOL-CG is higher in MCI compared to FTD and AD, and patients rate their own QOL higher than their caregivers do in MCI, FTD, and AD.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 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 ».