Diabetes and vascular mild cognitive impairment among Chinese ≥50 years: A cross‐sectional study with 2020 participants
Notice bibliographique
Résumé
BACKGROUND: With the decline of cognitive function in vascular cognitive impairment, the burden on the family and society will increase. Therefore, early identification of vascular mild cognitive impairment (VaMCI) is crucial. The focus of early identification of VaMCI is on the attention of risk factors. Therefore, this study aimed to investigate the relationship between diabetes and VaMCI among the Chinese, hoping to predict the risk of VaMCI by diabetes and to move the identification of vascular cognitive impairment forward. METHODS: We collected data from seven clinical centers and nine communities in China. All participants were over 50 years of age and had cognitive complaints. We collected basic information of the participants, and cognitive function was professionally assessed by the Montreal Cognitive Assessment scale. Finally, logistic regression analysis was used to analyze the correlation between each factor and VaMCI. RESULTS: A total of 2020 participants were included, including 1140 participants with VaMCI and 880 participants with normal cognition. In univariate logistic regression analysis, age, heavy smoking, and diabetes had a positive correlation with VaMCI. At the same time, being married, high education, and light smoking had a negative correlation with VaMCI. After correction, only diabetes (OR = 1.04, 95% CI: 1.01-1.09, p = 0.05) had a positive correlation with VaMCI, and high education (OR = 0.60, 95% CI:.45-.81, p = 0.001) had a negative correlation with VaMCI. CONCLUSION: In our study, we found that diabetes had a positive correlation with VaMCI, and high education had a negative correlation with VaMCI. Therefore, early identification and timely intervention of diabetes may reduce the risk of VaMCI and achieve early prevention of VaMCI.
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 | 0,000 |
| 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 ».