Relationship between Nutritional Status, Frailty, and Cognitive Function among Elderly at Dr. H. Moch. Ansari Saleh General Hospital Banjarmasin
Notice bibliographique
Résumé
The elderly often have nutritional problems. The risk of malnutrition can stimulate the prevalence of frailty and declining cognitive function in the elderly. The study aimed to analyze the relationship between nutritional status, frailty, and cognitive function in the elderly at Dr. H. Moch. Ansari Saleh Hospital Banjarmasin. This study was analytic observational using a cross-sectional method. A sample of 93 elderly was obtained using a total sampling technique according to the inclusion and exclusion criteria. The nutritional status assessment was done using the Mini Nutritional Assessment-Short Form (MNA-SF), the Edmonton Frailty Scale (EFS), and the Mini-Mental State Examination (MMSE). The results showed that the mean of Mini Nutritional Assessment score was 12.00±2.126, the average frailty score was 4.41±1.872, and the average value of cognitive function was 25.98±2.923. Data were analyzed using the Spearman's non-parametric correlation test with a 95% confidence level. The correlation test results between nutritional status and frailty obtained p=0.000 and r=-0.490. The correlation test results between nutritional status and cognitive function obtained p=0.000 and r=0.595. In short, there is a relationship between nutritional status on frailty and cognitive function in the elderly at Dr. H. Moch. Ansari Saleh General Hospital Banjarmasin, it means that the good nutritional status in the elderly, the risk of frailty syndrome will decrease and improve cognitive function.
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 | 0,001 | 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) | 0,001 | 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 ».