MétaCan
Menu
Retour à la cohorte
Enregistrement W3182579840 · doi:10.26714/jkmi.16.1.2021.34-41

Decreased Cognitive Function in People with Type 2 Diabetes Mellitus

2021· article· en· W3182579840 sur OpenAlexaboutno aff
Shinta Kaozar Wiratman, Widya Hary Cahyati

Notice bibliographique

RevueJurnal Kesehatan Masyarakat Indonesia · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRespondentDementiaDiabetes mellitusMedicineCognitionType 2 Diabetes MellitusMontreal Cognitive AssessmentObservational studyBlood sugarNonprobability samplingType 2 diabetesGerontologyStroke (engine)Internal medicineDemographyEnvironmental healthPsychiatryDiseaseEndocrinologyPopulation

Résumé

récupéré en direct d'OpenAlex

ABSTRACTBackground: The number of cases and the prevalence of diabetes has continued to increase over the past few decades. DM itself is associated with an increased risk of cancer, kidney failure, stroke, and decreased cognitive function that leads to dementia. In 2016 Indonesia has an estimated 1.2 million people with dementia and is expected to grow to 4 million by 2050.Objective: The purpose of this study was to find out the risk factors for decreased cognitive function in people with type 2 diabetes mellitus.Method: This type of research is observational analytics with cross sectional design. The sample was 62 respondents with purposive sampling techniques. The instrument used in the study was a structured questionnaire. Measurement of cognitive function using MoCA-INA questionnaire. Data collection is done by interview method to respondents.Result: The results showed that there was a relationship between the age of the respondent (PR= 2.98; 95% CI= 0.97-9.17), and the respondent's blood sugar level (PR= 3.31; 95% CI= 1.12-9.74) to decreased cognitive function in people with type 2 diabetes mellitus.Conclusion: Age and blood sugar levels of respondents contributed to decreased cognitive function of people with type 2 diabetes mellitus.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,263
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Kesehatan Masyarakat IndonesiaMême sujetPublic Health and NutritionTravaux en français237 207