Correlation Between Hypertension, Type 2 Diabetes Mellitus, Physical Activity, and Cognitive Function in Elderly Population At Primary Healthcare
Notice bibliographique
Résumé
Background: Cognitive impairment is broadly connected as one of the factors that cause disability in the elderly. This study seeks to ascertain the correlation amidst hypertension, diabetes mellitus, physical activity, and cognitive function in the elderly. Methods: A cross-sectional analytical study was carried out using a consecutive sampling method. The data were collected by interviewing elderly patients with Montreal Cognitive Assessment (MoCA) Indonesia and Rapid Assessment of Physical Activity (RAPA) while assessing patient Vascular Metabolism Factor (VMF) such as hypertension, type 2 diabetes mellitus (T2DM), and past history of heart disease. The Statistical Package for the Social Sciences (SPSS) was utilized to analyze the correlation between the aforementioned variables. Results: A total of 277 elderly participants were recruited from February to July 2022. There was a significant correlation between hypertension (OR= 4.8; 95% CI: 2.5-9.1; p < 0.001) and cognitive impairment as well as physical activity (OR= 1.7; 95% CI: 1.3-2.4; p < 0.001). Despite no meaningful correlation amidst diabetes status and cognitive impairment (OR= 1.7; 95% CI: 0.8-3.8; p = 0.14), the number of participants with impaired cognitive function was elevated in the diabetes group (80.7%). Further analysis revealed that the interaction between diabetes, hypertension, and physical activity has a significant correlation with cognitive impairment (p < 0.001; r2= 0.216). Conclusion: This study demonstrated a notable correlation amidst hypertension status, physical activity intensity, and cognitive function in the elderly population at Hative Kecil Public Health Center.
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 | 0,011 | 0,026 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».