A nomogram to predict the risk of cognitive impairment in patients with depressive disorder
Notice bibliographique
Résumé
This study was to describe the cognitive function status in patients with depressive disorder and to construct a nomogram model to predict the risk factors of cognitive impairment in these patients. From October 2019 to February 2021, a total of 141 patients with depressive disorder completed the survey in two hospitals. The Montreal cognitive assessment (MoCA) was used with a cutoff score of 26 to differentiate cognitive impairment. Univariable and multivariable logistic regression analyses were conducted to identify independent risk factors. A nomogram was then constructed based on the results of the multivariable logistic regression analysis. The patients had an average MoCA score of 23.99 ± 3.02. The multivariable logistic regression analysis revealed that age (OR: 1.096, 95% CI: 1.042-1.153, p < 0.001), education (OR: 0.065, 95% CI: 0.016-0.263, p < 0.001), depression severity (OR: 1.878, 95% CI: 1.021-3.456, p = 0.043), and sleep quality (OR: 2.454, 95% CI: 1.400-4.301, p = 0.002) were independent risk factors for cognitive impairment in patients with depressive disorder. The area under receiver operating characteristic (ROC) curves was 0.868 (95% CI: 0.807-0.929), indicating good discriminability of the model. The calibration curve of the model and the Hosmer-Lemeshow test (p = 0.571) demonstrated a well-fitted model with high calibration. Age, education, depression severity, and sleep quality were found to be significant predictors of cognitive function. A nomogram model was developed to predict cognitive impairment in patients with depressive disorder, providing a solid foundation for clinical interventions.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 ».