HYPERTENSION AS DETERMINANT OF COGNITIVE DYSFUNCTION AMONG ELDERLY SUB-POPULATION
Notice bibliographique
Résumé
Background: Cognitive dysfunction is one of the main impacts of hypertension in the elderly population. Early detection and adequate management of early-stage cognitive dysfunction in hypertensive elderly is expected to improve their cognitive status and quality of life. Objective: This study aimed to determine the association between hypertension and cognitive dysfunction in a sub-population of the elderly in Mataram, Indonesia. Methods: This cross-sectional study involved elderly sub-population recruited consecutively in three public health centers in Mataram, Indonesia. Data included in this study were age, gender, occupation, educational level, hypertension, diabetes mellitus, and cognitive status. Cognitive status was assessed using the Indonesia version of Montreal Cognitive Assessment instrument. Multiple logistic regression analysis was performed to test whether hypertension was a determinant of cognitive dysfunction in participants taking into account the presence of socio-demographic status and diabetes mellitus as another vascular risk factor. Results: This study included 88 elderly as eligible participants. The frequency of cognitive dysfunction among participants was 61.4%. Multiple logistic regression analysis revealed that hypertension was the single variable significantly associated with a high frequency of cognitive dysfunction in elderly sub-population (odds ratio = 3.7; 95% confidence intervals = 1.3 – 10.4; p = 0.014). Conclusion: The frequency of cognitive dysfunction in the elderly sub-population in Mataram was high, amounting to 61.4%. Hypertension was the determinant of this high frequency of cognitive dysfunction in the sub-population studied.
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 | 0,001 |
| 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 ».