Cognitive Functioning in Older People. Results of the First Wave of Cognition of Older People, Education, Recreational Activities, Nutrition, Comorbidities, Functional Capacity Studies (COPERNICUS)
Notice bibliographique
Résumé
Background: Cognitive reserve as a way of explanation of why some individual with high degree of brain pathology are without clinical manifestations. Factors related to systemic diseases, body composition, aerobic capacity, past and current behavior were examined and included as predictors of cognitive function. Materials and methods: 407 subjects (60-88 years old) underwent physical examination and cognitive function assessment (Mini–Mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA) and Trail Making Test Part B (TMT B)). Predictors of cognitive functioning were evaluated: occupational status (OS), diet, mental and touristic activities were assessed using ad hoc questionnaire. Aerobic capacity was measured using six-minute walk test (6MWT). Results: With each year of age there is a decrease in MMSE score by 0.18 point. Varicose veins on lower extremities and low OS were also significantly associated with MMSE result. For every year of having hypertension, low OS and not being abroad in the last three years, there was 0.17, 0.30 and 0.16 less points, respectively, and 0.15 more point per one additional meter walked in 6MWT in the MoCA score. With each year of age and for low OS there was there was 0.31 and 0.21 second more to complete TMT B, respectively. Conclusion: Education, OS, presence of systemic diseases and social and tourist activities, aerobic capacity and body composition could be consider as factors contributing to cognitive functioning in older people. However, the relationship of above mentioned factors with education level and cognitive function may be not fully orthogonal.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».