Prevalence of Cognitive Decline in Type 2 Diabetes Mellitus Patients: A Real-World Cross-Sectional Study in Mysuru, India
Notice bibliographique
Résumé
The goal of this research is to study the prevalence of cognitive impairment in diabetes mellitus (DM) patients and establish the necessity of detecting and treating it early in these patients. A cross-sectional study was conducted at a tertiary care hospital in Mysuru for 4 months examined diabetic patients (test) and nondiabetic subjects (control) for cognitive decline using the Montreal Cognitive Assessment (MoCA) tool. Cognitive functions such as visuospatial/executive function, naming, attention, language, abstraction, delayed recall, and orientation were assessed in both groups. The diabetic group showed a significantly lower total MoCA score than the non-diabetic group (18.99 ± 0.48 and 26.21 ± 0.46, respectively; p < 0.001). Assessment of scores in diabetic patients demonstrated the significant influence of age demographics on cognitive impairment (p-value < 0.001). Furthermore, a higher proportion of diabetic patients displayed cognitive impairment despite a higher score in a single subdomain, making it evident that diabetes is diverse and multifactorial in origin, where oxidative stress and inflammatory responses play a predominant role. This study suggested that the local T2DM population residing in Mysuru (India) has a high prevalence of cognitive impairment, evident from poor performance in almost all cognitive domains assessed by MoCA. Future studies could examine the generalizability of cognitive function findings in diabetic patients across diverse geographic regions and ethnic groups, as well as investigate interventions such as lifestyle modifications and medication to prevent or delay cognitive decline in those with diabetes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».