MétaCan
Menu
Retour à la cohorte
Enregistrement W4280518548 · doi:10.25009/pys.v32i2.2740

Memoria declarativa en personas mayores con demencia, deterioro cognitivo leve y controles

2022· article· es· W4280518548 sur OpenAlexaboutno aff
Ferran Padrós Blázquez, Jesús Alejandre García, Adriana Marcela Meza-Calleja

Notice bibliographique

RevuePsicología y Salud · 2022
Typearticle
Languees
DomaineMedicine
ThématiqueAging, Health, and Disability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyArt

Résumé

récupéré en direct d'OpenAlex

Existe una sólida evidencia de que las personas mayores con demencia muestran un rendimiento deficiente en memoria declarativa respecto de las personas sanas. Sin embargo, son escasos los estudios sobre las posibles diferencias en el rendimiento de la memoria declarativa (verbal) entre pacientes con deterioro cognitivo leve (DCL) de tipo amnésico y sanos, aunque los datos no son concluyentes. Objetivo: Determinar el rendimiento de la memoria declarativa en tres grupos de personas mayores; con probable demencia, con DCL y “sanos”. Material y Métodos: Se utilizó la Evaluación Cognitiva de Montreal (MoCA) y un instrumento basado en el Rey Auditory Verbal Learning Test. Resultados: Se observaron diferencias en el rendimiento memorístico entre los participantes con demencia y aquellos con DCL y “sanos”, pero no entre estos dos últimos grupos. Se hallaron correlaciones significativas moderadas y positivas entre la MoCA y las palabras recordadas. Discusión: El principal resultado de esta investigación es que el déficit en memoria declarativa se manifiesta entre el grupo con probable demencia y en los otros dos; sin embargo, no se observa entre el grupo de DCL y los controles “sanos”, por lo que se puede concluir que dichos resultados aportan evidencia de que, en general, los participantes con DCL no muestran déficits en memoria declarativa, lo que puede atribuirse a la heterogenidad del DCL. Por ello, surge la necesidad de continuar explorando el rendimiento de la memoria declarativa diferenciándolo según los subtipos de DCL.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,150
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,026
Tête enseignante GPT0,310
Écart entre enseignants0,285 · 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 tête enseignante, pas un consensus.

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsicología y SaludMême sujetAging, Health, and DisabilityTravaux en français237 207