Cognitive Impairment and Its Correlation with Depression
Notice bibliographique
Résumé
Objective: To determine the correlation between the severity of depression and cognitive impairment. Study Design: Cross-sectional study. Place and Duration of Study: Department of Psychiatry, Combined Military Hospital, Gujranwala, Pakistan from May 2016 to December 2016. Methodology: The cross-sectional study was conducted on outpatients in the Department of Psychiatry at Combined Military Hospital Gujranwala. The diagnosis of depression was made based on the WHO's ICD10 diagnostic criteria, and symptom severity was assessed using the Beck Depressive Inventory. Deirdre M. used the Montreal Cognitive Assessment version 7.1 to assess cognitive impairment. Results: Eighty-six subjects were included in this study. A comparison of cognitive impairment and depression revealed that in a total of 16 subjects with minimal depression, only 5 had cognitive impairment; in 14 subjects with mild depression, 11 showed cognitive impairment; 26 subjects had moderate depression, out of which 18 showed signs of cognitive impairment; and among 30 subjects with severe depression, there was cognitive impairment in 25 individuals. The Spearman correlation showed a weak correlation of 0.321 (p<0.001). Conclusion: A high level of depressive symptoms, although weak, is significantly correlated with cognitive impairment.
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 | 0,001 | 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 | 0,001 |
| 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 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 ».