Cognitive function and its determinants in elderly Indonesians residing in long-term care: Insights from a cross-sectional study
Notice bibliographique
Résumé
<ns3:p>Background Multiple medical conditions arising from reduced physical and physiological functioning, including cognitive decline, manifest in older persons. This study aims to examine the relationship between cognitive function and associated risk factors in older persons living in long-term care facilities in Indonesia. Methods This study involved 350 elderly individuals residing in long-term care institutions. A cross-sectional design utilizing an analytical survey methodology was implemented. Data were gathered via interviews employing a demographic questionnaire and the Montreal Cognitive Assessment (MoCA). Statistical analysis was conducted using SPSS (version 23). Results Univariate analysis demonstrated significant correlations between cognitive performance and gender, ethnicity, level of education, medical history, subjective memory issues, smoking habits, alcohol consumption, dietary intake of fruits and vegetables, and employment history (p < 0.05). Higher education (OR = 0.69, 95% CI: 0.56–0.84) and reduced subjective memory complaints (OR = 0.29, 95% CI: 0.20–0.44) correlated positively with enhanced cognitive function, but alcohol intake (OR = 6.79, 95% CI: 2.42–19.1) correlated with impaired cognitive function. Conclusions the level of education, subjective memory complaints, and alcohol intake are substantially correlated with cognitive performance in older persons residing in long-term care facilities. Evaluating demographic characteristics in elderly individuals can assist healthcare professionals in the early detection of cognitive impairment, facilitating prompt interventions in long-term care environments.</ns3:p>
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) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».