MétaCan
Menu
← Retour à la cohorte
Enregistrement W4242617013 · doi:10.4172/1994-8220.1000166

Investigation the Cognitive Impairment in Diabetes Mellitus Type 2 with Moca Test

2014· article· en· W4242617013 sur OpenAlexaboutno aff

Notice bibliographique

RevueAfrican Journal of Psychiatry · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDiverse Scientific Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitive impairmentMontreal Cognitive AssessmentMedicineTest (biology)Diabetes mellitusType 2 Diabetes MellitusAudiologyCognitionPhysical medicine and rehabilitationPsychiatryEndocrinology

Résumé

récupéré en direct d'OpenAlex

Objective: Type 2 diabetes mellitus (DM) is one of the most common major diseases in older adults, and its prevalence increases with age. DM not only causes somatic complications but also may lead to cognitive dysfunction. The aim of this investigation is to reveal the relationship between diabetes mellitus type 2 and cognitive impairment (CI). Results: Mean age of the study subjects was 69.9 ± 7.43years and 6 (20%) of the study subjects were females. The prevalence of CI was 83.3% (25/30) in the whole group and 73.3% (11/15) in patients with DM, whereas it was 93.3% (14/15) in non- DM group. The mean scores were 15.53 ± 6.18 and 15.40 ± 3.99, respectively (p: 0.945). There was no significant difference between diabetic and non-diabetic groups in terms of MoCA domains. Discussion: Compared with an age- and gender-matched group of non-diabetic control subjects, this study demonstrated that no differences of prevalence for CI in an elderly group of patients with DM. CI prevalence in our study, in both DM (73.3%) and non-DM groups (93.3%) is much higher than the literature and it makes us to think that MoCA test is not appropriate for our population. Conclusion: According to our findings, CI was similar in both groups and prevalence was not different between groups. Furhter studies with longitudinal designs are needed to identify the relationship between DM and CI.

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)0,004
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 enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,038
Tête enseignante GPT0,351
Écart entre enseignants0,313 · 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
Publié2014
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueAfrican Journal of Psychiatry→Même sujetDiverse Scientific Research Studies→Travaux en français237 207→