Risk of Mild Cognitive Impairment and Its Relation to Anticholinergics Revealed Within Screening in a Community Pharmacy
Notice bibliographique
Résumé
Abstract Background The increasing prevalence of cognitive impairments (CI), such as Alzheimer's disease and dementia, requires a multidisciplinary approach to prevention. Brief cognitive screening in community pharmacies can help identify CI in early stages, within advanced pharmaceutical care, and effectively reduce the workload of ambulatory care. Study objectives were to assess the association between patients' cognitive ability as determined by standardised cognitive screening and the presence of modifiable Dementia Risk factors, as well as at-risk medication use related to CI within pharmaceutical counselling in community pharmacies. Methods Data collection was realised between 2018 and 2019, retrospective analysis 2024–2025. This study retrospectively analysed data from a clinical cohort study (N = 323). A score expressed cognitive abilities in a short version of the Montreal Cognitive Assessment (s-MoCA), with a cut-off score of ≤ 12 for CI. Dementia risk factors were assessed according to the Cardiovascular Risk Factors, Ageing, and Incidence of Dementia (CAIDE) Risk Score and the cumulative effect of at-risk medications with anticholinergic activity on a person's cognitive function by the Anticholinergic Cognitive Burden Scale (c-ACB). Results Within the provision of pharmaceutical service, 80.50% (N = 260) of respondents were identified with lower cognitive abilities under a normal s-MoCA score. The global mean s-MoCA (± SD) was 9.54 ± 3.38 points. 29.72% (N = 96) of patients had CAIDE 10 + , and 57.59% (N = 186) of patients used at-risk medication (c-ACB 3 +). We found a significant relationship between s-MoCA and CAIDE/c-ACB, respectively ( P < 0.001; R = − 0.2013; and P < 0.0001; R = − 0.3961). Conclusions Cognitive screening in community pharmacies can help identify patients with MCI. In addition, evaluation of CAIDE and at-risk medication use can improve advanced pharmaceutical care for patients with a high risk of CI.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».