Cognitive domain-specific impairments and associated risk factors in type 2 diabetes mellitus: a cross-sectional observational study based on neuropsychological assessment from Xiamen, China
Notice bibliographique
Résumé
Background Type 2 diabetes mellitus (T2DM) is associated with an increased risk of cognitive impairment, yet limited research has been conducted in subtropical regions of China. Objective To examine the characteristics of cognitive impairment and identify the potential risk factors in patients with T2DM in Xiamen. Methods This cross-sectional observational study included 84 patients with T2DM from Zhongshan Hospital Xiamen University. Patients were grouped based on their Montreal Cognitive Assessment (MoCA) scores into a cognitively impaired group (T2DM-CI group, n = 52) and a cognitively normal group (T2DM-NCI group, n = 32). Multivariate logistic regression was used to identify independent risk factors. Results Among the 52 patients in the T2DM-CI group, the most commonly affected cognitive domains were executive function (82.7%), language (75.0%), memory (61.5%), and attention (48.1%), with 59.6% exhibiting impairments in three or more domains. Compared with the T2DM-NCI group, the T2DM-CI group showed poorer performance in most MoCA subdomains—including visuospatial/executive function, language, delayed recall, abstraction, and orientation—as well as in individual cognitive domain tests (all P < 0.05), except for the Clock Drawing Test. Older age (OR = 1.167, 95% CI [1.045–1.303], P = 0.006) and higher lipoprotein (a) levels (OR = 1.109, 95% CI [1.020–1.205], P = 0.015) were independently associated with cognitive impairment in T2DM patients. Conclusion Cognitive impairment in T2DM affects multiple domains, with executive dysfunction most prominent. Age and elevated lipoprotein(a) may increase risk. Routine cognitive screening is warranted, particularly in older patients and those with vascular risk factors.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».