MétaCan
Menu
Retour à la cohorte
Enregistrement W4317929198 · doi:10.33533/jpm.v16i2.4601

Vascular Risk Factor and Cognitive Impairment in Elderly

2022· article· en· W4317929198 sur OpenAlexaboutno aff
Rohmania Setiarini, Made Rika Anastasia Pratiwi, Mirzaulin Leonaviri

Notice bibliographique

RevueJurnal Profesi Medika Jurnal Kedokteran dan Kesehatan · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRisk factorLogistic regressionBlood pressureObservational studyDiabetes mellitusMedicineCognitionInternal medicineGerontologyCognitive impairmentMontreal Cognitive AssessmentProtective factorPhysical therapyPsychologyEndocrinologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

The elderly are more likely to experience cognitive impairment, especially those who have a vascular risk factor. The purpose of this study was to determine the relationship between vascular risk factor and cognitive impairment in the elderly. Observational research method with cross-sectional design consist of 79 participant in Tresna Werdha Puspa Karma Social Institution, Mataram from October to November 2021. The subjects were measured blood pressure, weight and height to obtain BMI, glucose level, and total cholesterol. Furthermore, each participant underwent a cognitive function test using Moca-INA. Data were analyzed by chi-square and logistic regression. Diabetes mellitus (p =0.09), hypertension (p =0.037), lower education (p =0,01) and hight blood pressure (p =0.036) were associated with poor 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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,087
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,301
Écart entre enseignants0,283 · 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 revueJurnal Profesi Medika Jurnal Kedokteran dan KesehatanMême sujetPublic Health and NutritionTravaux en français237 207