Frailty and prefrailty phenotypes increase the odds of abnormal cognitive impairment screens in people with HIV
Notice bibliographique
Résumé
OBJECTIVE: Evaluate whether prefrail and frail people with HIV (PWH) have a higher risk of cognitive impairment on screens. METHODS: Analysis of PWH aged 70 or older included in the ANRS EP66 SEPTAVIH cohort, on antiretroviral therapy for at least 12 months and with a MoCA test at enrolment. Adjusted risk of a Montreal Cognitive Assessment (MoCA) less than 26 was compared in frail/prefrail versus robust PWH. RESULTS: A total of 503 PWH were enrolled with a median age of 73 years, IQR [71-77], 81.5% were male, 73.8% were French natives, 32.9% had low socio-economic status (EPICES score >30.2), and 41.3% were college graduates; 27.3% had a history of clinical AIDS. A total of 294 (58.5%) PWH had a MoCA score less than 26; 182 (36%) a MoCA score 23 or less. Frailty, prefrailty and robustness were found in 13.1, 63.6 and 23.3% participants, respectively. PWH with a MoCA less than 26 had a significantly higher risk of being frail/prefrail, this before [odds ratio (OR) = 2.31; 95% confidence interval (CI) 1.50-3.57], and after adjustment for confounders (OR = 1.80; 95% CI 1.07-3.01). The risk of being frail/prefrail in patients with a MoCA 23 or less was higher (adjusted OR = 2.75; 95% CI 1.46-5.16). Other factors independently associated with a MoCA less than 26 were older age, birth outside of France and a lower education level and being diabetic. CONCLUSION: Abnormal MoCA screens were frequent in our cohort of PWH aged 70 or older with controlled HIV disease. Cognitive impairment should be systematically screened in frail/prefrail PWH. Frailty/prefrailty, diabetes and social factors, but not HIV-related factors, are important determinants of cognitive function in PWH with controlled disease.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».