Cognitive status and its risk factors in patients with hypertension and diabetes in a low‐income rural area of China: A cross‐sectional study
Notice bibliographique
Résumé
OBJECTIVES: The proportion of older people with dementia in China is gradually increasing with the increase in the aging population over recent years. Hypertension and diabetes are common non-communicable diseases among rural populations in China. However, it remains unclear whether these conditions affect the occurrence and development of cognitive impairment as there is limited research on cognitive status and its risk factors among residents of rural areas. METHODS: A multi-stage stratified cluster random sampling method was used to select 5400 participants from rural permanent residents. A self-designed structured questionnaire was used to investigate demographic data of the participants. Cognitive function was assessed using the Montreal Cognitive Function Assessment Scale (MoCA). The results were analyzed using chi-square test, ANOVA and multiple linear regression analysis. RESULTS: A total of 5028 participants returned the survey, giving a response rate of 93.1%. Higher education (odds ratio (OR) = 3.2, 95% confidence interval (CI) 2.87-3.54, p < 0.001), higher income (OR = 1.61, 95% CI 1.16-2.07, p < 0.001), and dietary control (OR = 0.66, 95%CI 0.34-0.98, p < 0.001) were protective factors. A visual representation of the relationship between annual income and MoCA score showed an inverted U-curve, the group with an annual income of 6000-7999 RMB had a maximum OR of 1.93 (95%CI 0.12-2.74, p < 0.001). While difficulty in maintaining sleep were risk factors for cognitive impairment (OR = -2.28, 95% CI-4.18-0.39, p = 0.018). CONCLUSIONS: Participants with middle incomes had better cognitive status than those with the highest incomes. Higher education, proper diet control and good sleep are beneficial to the cognitive status of residents in rural areas.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».