MétaCan
Menu
Retour à la cohorte
Enregistrement W4400723705 · doi:10.4088/pcc.24m03708

Mild Cognitive Impairment

2024· article· en· W4400723705 sur OpenAlexaboutno aff
Kavita Moria, Arvind Sharma, Pir Dutt Bansal, Mamta Bahetra, Bhavneesh Saini, Priyanka Bansal, Vanipreet Kaur, Jaskaran Singh, Harshdeep Kaur

Notice bibliographique

RevueThe Primary Care Companion For CNS Disorders · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitive impairmentPsychologyCognitionNeuroscience

Résumé

récupéré en direct d'OpenAlex

To estimate the prevalence and study the clinical presentation of mild cognitive impairment (MCI), assess its outcome in terms of cognition and quality of life, identify factors for reversion to baseline, and compare these factors in the modifiable and nonmodifiable risk factor groups. criteria for MCI were enrolled, and risk factors (modifiable and nonmodifiable) were noted. Assessments were done using the Hindi version of the Montreal Cognitive Assessment (H-MoCA), the Clinical Dementia Rating (CDR)-Hindi version, and the World Health Organization Quality of Life-Brief Hindi version. Treatment outcome was assessed at 6 months and compared between the risk factor groups. Factors for reversion of MCI were assessed. = .007). Short-term outcome for both the modifiable and nonmodifiable risk factor groups was favorable. Higher education positively correlated with cognition, which itself predicted a better quality of life. Reverters of MCI had better baseline cognition and were treated with cholinesterase inhibitors + vitamin E. .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil0,543

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,314
Écart entre enseignants0,295 · 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 tête enseignante, 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Primary Care Companion For CNS DisordersMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207