Demographic and Clinical Profile of Patients with Mild Cognitive Impairment Seen at St. Luke’s Medical Center-Global City Memory Service
Notice bibliographique
Résumé
INTRODUCTION: Mild cognitive impairment (MCI) is a dynamic state, which has evolved into a highly defined condition due to its association with dementia syndromes. There are no published data on the demographic and clinical characteristics of MCI in the Philippines. These data will help in defining the population at risk for the condition and in modifying the factors for its prevention. METHODS: From 2010 to 2019, 434 subjects were diagnosed with MCI based on the criteria published by the International Working Group on MCI last 2004. The demographic profile, vascular risk factors, and levels of Vitamin B12, Vitamin D, and homocysteine were reviewed. Results of neuropsychological tests, such as Alzheimer's Disease Assessment Scale-Cognitive Subscale (ADAS-Cog), Mini-Mental State Exam (MMSE), and Montreal Cognitive Assessment (MoCA), were collected. The Fazekas score of the cranial magnetic resonance imaging of patients was also considered. RESULTS: The median age was 72 years [34-97] with 58.3% females. The median years of education were 14 [4-28]. Median ADAS-Cog, MMSE, and MoCA scores were 11.3 [0-27.67], 27 [13-30], and 21 [7-30], respectively. Hypertension and dyslipidemia were present in 66.8% and 64.1%, respectively. Normal homocysteine, Vitamin B12, and Vitamin D levels were found in 64.2%, 59.8%, and 48.8%, respectively. The median Fazekas score was 1 (59.4%). CONCLUSION: This is the first study to document the demographic and clinical profile of Filipinos with MCI in a clinical setting. This review serves as a foundation for increased understanding of MCI with the ultimate goal of controlling the factors which may impact its prevention.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».