Identification of a Link between Suspected Metabolic Syndrome and Cognitive Impairment within Pharmaceutical Care in Adults over 75 Years of Age
Notice bibliographique
Résumé
The prevalence of metabolic syndrome (MetS) and cognitive impairment (CI) is increasing with age. MetS reduces overall cognition, and CI predicts an increased risk of drug-related problems. We investigated the impact of suspected MetS (sMetS) on cognition in an aging population receiving pharmaceutical care in a different state of old age (60–74 vs. 75+ years). Presence or absence of sMetS (sMetS+ or sMetS−) was assessed according to criteria modified for the European population. The Montreal Cognitive Assessment (MoCA) score, being ≤24 points, was used to identify CI. We found a lower MoCA score (18.4 ± 6.0) and a higher rate of CI (85%) in the 75+ group when compared to younger old subjects (23.6 ± 4.3; 51%; p < 0.001). In the age group of 75+, a higher occurrence, of MoCA ≤ 24 points, was in sMetS+ (97%) as compared to sMetS− (80% p < 0.05). In the age group of 60–74 years, a MoCA score of ≤24 points was identified in 63% of sMetS+ when compared to 49% of sMetS− (NS). Conclusively, we found a higher prevalence of sMetS, the number of sMetS components and lower cognitive performance in subjects aged 75+. This age, the occurrence of sMetS and lower education can predict 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».