MétaCan
Menu
Retour à la cohorte
Enregistrement W4415140413 · doi:10.33024/hjk.v19i7.1369

Hubungan tingkat depresi dengan fungsi kognitif pada lansia

2025· article· en· W4415140413 sur OpenAlexaboutno aff
Isratul Hasbiah, Nurilla Kholidah, Audy Oktavioni Tiara Putri

Notice bibliographique

RevueHOLISTIK JURNAL KESEHATAN · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDepression (economics)CognitionSpearman's rank correlation coefficientRank correlationElderly peopleQuality of life (healthcare)Cognitive impairment

Résumé

récupéré en direct d'OpenAlex

Background: Aging causes a decline in physical and psychological functions, including depression and cognitive impairment in the elderly. Depression worsens cognitive decline, negatively impacting the quality of life of the elderly. With the increasing number of elderly people in Indonesia, it is important to understand the relationship between depression and cognitive function to improve their care and quality of life. Purpose: To determine the association between the level of depression and cognitive function in elderly residents. Method: This research used an analytical design with a cross-sectional study approach. The sample size consisted of 74 elderly people selected using a purposive sampling technique. Data collection used the Geriatric Depression Scale-15 (GDS-15) questionnaire to assess depression levels and the Montreal Cognitive Assessment (MoCA-INA) questionnaire to assess cognitive function in the elderly. Data analysis used the Spearman rank correlation test with SPSS software. Results: The majority of respondents were female (36 respondents (48.6%), followed by 47 elderly respondents (63.5%), with no education (25 respondents (33.8%), and 49 respondents (66.2%). The Spearman rank correlation test showed a p-value (0.021) ≤ α (0.05), indicating a significant relationship between depression levels and cognitive function in the elderly. Conclusion: There is a significant relationship between the level of depression and cognitive function in the elderly, appropriate intervention efforts to manage depression in the elderly are very necessary to maintain and improve their cognitive function and quality of life. Keywords: Cognitive Function; Depression; Elderly. Pendahuluan: Penuaan menyebabkan penurunan fungsi fisik dan psikologis, termasuk depresi dan gangguan fungsi kognitif pada lansia. Depresi memperburuk penurunan fungsi kognitif, yang berdampak negatif pada kualitas hidup lansia. Dengan meningkatnya jumlah lansia di Indonesia, penting untuk memahami keterkaitan antara depresi dan fungsi kognitif agar dapat meningkatkan penanganan dan kualitas hidup mereka. Tujuan: Untuk mengetahui hubungan antara tingkat depresi dengan fungsi kognitif pada lansia. Metode: Penelitian desain analitik dengan pendekatan cross sectional study. Jumlah sampel penelitian terdiri dari 74 lansia yang diambil dengan teknik purposive sampling. Pengumpulan data mengguanakan menggunakan kuesioner Geriatric Depression Scale-15 (GDS-15) untuk menilai tingkat depresi dan kuesioner Montreal Cognitive Assesment (MoCA-INA) untuk menilai fungsi kognitif lansia. Analisis data mengguanakan uji korelasi Spearman rank dengan software SPSS. Hasil: Responden terbanyak adalah berjenis kelamin perempuan sebanyak 36 responden (48.6%), kelompok lanjut usia yaitu 47 responden (63.5%), riwayat pendidikan tidak sekolah sebanyak 25 responden (33.8%), dan memiliki riwayat penyakit kronis sebanyak 49 responden (66.2%). Berdasarkan hasil uji korelasi spearman rank menunjukkan nilai p (0.021) ≤ α (0.05), artinya adanya hubungan yang signfikan antara tingkat depresi dan fungsi kognitif pada lansia. Simpulan: Adanya hubungan signifikan antara tingkat depresi dan fungsi kognitif pada lansia, upaya intervensi yang tepat untuk mengelola depresi pada lansia sangat diperlukan guna mempertahankan dan meningkatkan fungsi kognitif serta kualitas hidup mereka. Kata Kunci: Depresi; Fungsi Kognitif; Lansia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,328
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHOLISTIK JURNAL KESEHATANMême sujetPublic Health and NutritionTravaux en français237 207