Analysis of Characteristics of Health Status Based on Assessment of Cognitive Function in the Elderly in Indonesia
Notice bibliographique
Résumé
Introduction: Various challenges will arise due to the increase in elderly people yearly. In Indonesia, the effect of the demographic transition can be seen in the low birth and death rates, and the rise in life expectancy is indirectly the way to increase the number of the elderly; from sharing the problems that arise among the elderly, one of the things that need to be concerned is how to maintain cognitive function so that the elderly can maintain their health status. Objectives: to determine the relationship between characteristics and the health status of the elderly based on the results of cognitive function assessment. Methods: This study is a type of observational analytical research using a cross-sectional study design and was carried out in Gowa Regency, South Sulawesi Province, Indonesia, from August to December 2023, involving 64 older adults with the criteria of elderly people who are 60-75 years old, do not have mental disorders and can read and write. Cognitive function uses the Montreal Cognitive Assessment Indonesia version (MoCA-Ina) and is a variable to be analyzed. Results: There was a significant relationship between sex p<0.030, age p<0.027, education level p<0.001, occupation p<0.045, prayer activity p<0.001 with cognitive function, while marital status was not related to cognitive function p>0.193. Conclusion: The characteristics of the elderly in this study are related to health status based on the value of cognitive function in the elderly.
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 | 0,017 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| 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 ».