Impact of cognitive impairment on activities of daily living among older adults of North India
Notice bibliographique
Résumé
Background: Older persons are at risk of developing cognitive impairment, often considered a precursor to more severe conditions, such as dementia or Alzheimer's disease. Cognitive impairment among older adults is one of the most rapidly growing burdens, especially in developing countries. Aim: To assess the impact of cognitive impairment on activities of daily living (ADL) among older adults. Materials and Methods: A cross-sectional descriptive study was conducted among 135 older adults visiting a selected tertiary care centre in Uttarakhand (India) during December 2020, recruited using total enumerative sampling. Data were collected using standardized and validated tools that consisted of socio-demographic information, Hindi Mental Status Examination, and Everyday Abilities Scale for India. Data were analyzed using SPSS version 23, including descriptive (frequency, percentage, mean, and median) and inferential statistics (Chi-square test, binary logistic regression). Results: The results with pooled analysis have shown that 30% of the older adults had mild cognitive impairment, 9% had moderate cognitive impairment, and 61% had normal cognition. About 16% of the older adults' ADL were affected. The statistically significant predictors for cognitive impairment were age group 80 years [odds ratio (OR) = 36.21; 95% confidence interval (CI) = 6.23-210.59], Muslim religion (OR = 6.26; 95% CI = 1.12-34.93), and middle-class families (OR = 11.95; 95% CI = 1.84-77.78). Conclusion: A considerably large proportion of the older adults had cognitive impairment, which further impacted activities of daily living. There is an urgent need to develop geriatric mental health services across all hospitals in the region.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».