Prevalence and Risk Factors of Cognitive Impairment and its Effect on Quality of Life
Notice bibliographique
Résumé
Objectives: Examine the prevalence of cognitive impairment within Wave 1 of the Irish Longitudinal Study on Aging (TILDA) cohort and its relationship with comorbidities and lifestyle factors. The effect of cognitive impairment on quality-of-life scores was also investigated. Methods: A secondary cross-sectional analysis of data from Wave 1 of the TILDA cohort was undertaken. Results: Prevalence of cognitive impairment ranged between 5.8% and 51.2%, depending on the instrument used (Mini-Mental State Examination [MMSE] and Montreal Cognitive Assessment [MoCA], respectively). Having hypertension (odds ratio [OR] 1.68; 95% confidence interval [CI] 1.36–2.08), being a past or current smoker (OR 1.25; 95% CI 1.01–1.55) and having low physical activity (OR 2.04; 95% CI 1.64–2.53) increased the odds of being classified as cognitively impaired (MMSE <25). Similarly, being obese (OR 1.31; 95% CI 1.17–1.47), having hypertension (OR 1.42; 95% CI 1.27–1.57), and having diabetes (OR 1.71; 95% CI 1.40–2.09) increased the odds of cognitive impairment (MoCA <26). High cholesterol was associated with a protective effect (OR 0.79; 95% CI 0.63–0.98) under MMSE <25 classification while, problematic alcohol behavior reduced the odds of being classified as cognitively impaired using MoCA <26 by 35% (OR 0.65; 95% CI 0.55–0.76). Depression was not associated with increased odds of cognitive decline. Lastly, mean quality of life (QoL) scores decreases as severity of cognitive impairment increases from normal to moderate cognitive impairment ( P < 0.001). Conclusions: Several modifiable risk factors for cognitive decline were identified, including smoking, low physical activity, hypertension, diabetes, and obesity. Policies aimed at reducing the prevalence of these risk factors in the population might reduce the impact of cognitive decline on public health.
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 | 0,003 |
| 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 ».