Cognitive Frailty in Thai Community-Dwelling Elderly: Prevalence and Its Association with Malnutrition
Notice bibliographique
Résumé
Cognitive frailty (CF) is defined by the coexistence of physical frailty and mild cognitive impairment. Malnutrition is an underlying factor of age-related conditions including physical frailty. However, the evidence associating malnutrition and cognitive frailty is limited. This cross-sectional study aimed to determine the association between malnutrition and CF in the elderly. A total of 373 participants aged 65-84 years were enrolled after excluding those who were suspected to have dementia and depression. Then, 61 CF and 45 normal participants were randomly selected to measure serum prealbumin level. Cognitive function was assessed using the Montreal Cognitive Assessment-Basic (MoCA-B). Modified Fried's criteria were used to define physical frailty. Nutritional status was evaluated by the Mini Nutritional Assessment-short form (MNA-SF), serum prealbumin, and anthropometric measurements. The prevalence of CF was 28.72%. Malnourished status by MNA-SF category (aOR = 2.81, 95%CI: 1.18-6.67) and MNA-SF score (aOR = 0.84, 95%CI = 0.74-0.94) were independently associated with CF. However, there was no correlation between CF and malnutrition assessed by serum prealbumin level and anthropometric measurements. Other independent risk factors of CF were advanced age (aOR = 1.06, 95%CI: 1.02-1.11) and educational level below high school (aOR = 6.77, 95%CI: 1.99-23.01). Malnutrition was associated with CF among Thai elderly. High-risk groups who are old and poorly educated should receive early screening and nutritional interventions.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».