Functional deficit of sense organs as a risk factor for cognitive functional disorder in Chinese community elderly people
Notice bibliographique
Résumé
Objective To explore the relationship between mild cognitive impairment (MCI) and sense organs functional deficit in community elderly people. Methods A total of 3095 community elderly people above 60 years in Hebei Province were selected by cross-sectional random cluster sampling method, who were evaluated face-to-face for general demographic data, the condition of sense organs functional deficit (vision, hearing, gustation, olfactory sensation, taste) and cognitive function by Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA). Results A total of 3075 valid questionnaires were obtained. (a) 1368 old people (44.49%) were defined with sense organs functional deficit (defined as one or more of glaucoma, fundus disease, hearing impairment, olfactory disorder and taste disorder) in 3095 elderly people. According to questionnaires, MCI was diagnosed in 689 of 3075 participants (22.41%). The hearing disorder and glaucoma of MCI group were higher than that of the normal control group (X2 were 5.998 and 7.430, respectively, P were .014 and .006, respectively). (b) The MMSE score of the hearing disorder were significantly lower than those of non-hearing disorder group (t = 2.046, P = .041). (c) Multinomial logistics regression analysis was applied by MCI as the dependent variable and the various sensory organs defects as independent variables. The hearing impairment (Wald = 8.582, P = .003, OR = 1.485, 95% CI: 1.140-1.934) and glaucoma (Wald = 8.020, P = .005, OR = 1.847, 95% CI: 1.208-2.824) were associated with MCI. Conclusion The sensory organs functional defects is associated with the mild cognitive impartment in Chinese elderly, especially in vision and hearing disorder.
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 | 0,002 | 0,168 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».