Associated Factors of Cognitive Frailty in People Living with HIV Aged 50 and Older: A Cross-Sectional Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Cognitive frailty (CF), which typically precedes dementia and functional decline, serves as a more robust predictor of adverse health outcomes compared to physical frailty alone, representing a critical challenge in promoting healthy aging among older people living with HIV (PLWH) aged ≥ 50 years. This study aimed to investigate the prevalence of cognitive frailty and identify its associated factors among PLWH aged ≥ 50 years. METHODS: A convenience sample of 344 PLWH ≥ 50 years was recruited from a tertiary Grade A hospital in Zunyi, China. Physical frailty: evaluated via the Fatigue, Resistance, Ambulation, Illnesses, and Loss of Weight (FRAIL) Scale; Cognitive function: assessed via the Chinese version of the Montreal Cognitive Assessment (MoCA). Participants were divided into the cognitive frailty group (FRAIL score ≥ 3 and MoCA score < 26), the non-cognitive frailty group. Binary logistic regression analysis was conducted with SPSS 29.0 to identify factors associated with CF. RESULTS: The prevalence of CF among the 344 PLWH aged ≥ 50 years was 37.5%. Regression analysis revealed that the following associated factors (p < 0.05) were independent risk factors for CF in PLWH aged ≥ 50 years: age, education level, weekly frequency of physical activity ≤ 2 sessions, depression, sleep disorders, and EFV-containing regimens. CONCLUSIONS: Cognitive frailty is highly prevalent among PLWH aged ≥ 50 years. Early screening and comprehensive healthcare interventions targeting modifiable risk factors are crucial for delaying or reversing CF progression in this population.
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.
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 | 0,000 |
| 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 découle