MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390080302 · doi:10.1093/geroni/igad104.3535

PREVALENCE OF METABOLIC COMORBIDITIES AMONG COGNITIVELY NORMAL AND IMPAIRED WHITE AND AFRICAN AMERICANS

2023· article· en· W4390080302 sur OpenAlexaboutno aff
Mohammad Turaani, Subhamoy Pal, Jon Reader, Bruno Giordani, Voyko Kavcic

Notice bibliographique

RevueInnovation in Aging · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMontreal Cognitive AssessmentDiabetes mellitusGerontologyCohortAfrican americanCognitive impairmentInternal medicineDemographyRace (biology)ComorbidityDiseaseEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Assessing comorbidities associated with a MCI diagnosis is crucial for diagnostic accuracy and for understanding the role of comorbidities in cognitive decline. In this study of amnestic (aMCI) and non-amnestic (naMCI) MCI participants and persons with normal cognition (CN), we compared the prevalence of three primary comorbidities: Hypertension (HTN), Hyperlipidemia (HLD), and Diabetes Mellitus (DM) across African American and White populations using Chi-squares. Participant data (N = 9,342, 17% African American) were available through the National Alzheimer’s Coordinating Center and included: CN (n = 5,963; MOCA mean=27), aMCI (2,694; MOCA=22), and naMCI (685; MOCA=24) with diagnosis and data per their first Uniform Data Set (Version 3) visit. Significant differences in the distribution of HTN, HLD, and DM were found among the diagnostic groups for the total cohort and racial groups, separately; however, diagnostic differences across races were not always consistent. The relative rates of DM and HLD across the diagnostic groups for both races were generally similar, though higher percentages were seen in African Americans (25% of African Americans, 10% of Whites). As for HTN (52% of African Americans, 39% of Whites), however, the distributions differ across the diagnostic groups and race (%yes for diagnosis; White Americans: CN 35%, aMCI 47%, naMCI 44%; African Americans: CN 66%, aMCI 70%, naMCI 79%, p< 0.001). These findings highlight the importance of considering the contributions of both race and diagnosis when evaluating the role of comorbid factors and metabolic disorders in NC and MCI groups, in particular when considering blood pressure-related measures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,314
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetChronic Disease Management Strategies→Travaux en français237 207→