Do Education and Premorbid Intelligence Predict Cognitive Decline Over 1 Year in Rural Patients with Dementia?
Notice bibliographique
Résumé
INTRODUCTION: Education and premorbid intelligence have been used to predict disease trajectory in dementia. However, there is conflicting evidence regarding their independent predictive ability. This study aims to investigate whether education and premorbid intelligence predict cognitive and functional decline in rural dementia patients over 1 year. METHODS: Data from 614 rural patients was analyzed for the association between (a) years of education and (b) premorbid intelligence [Premorbid Verbal IQ] and cognitive function [MMSE, CDR-SB, NPI, FAQ] through linear regression analysis as an overall group sample, and stratified into Subjective Cognitive Impairment, Mild Cognitive Impairment, Alzheimer Disease, and Non-Alzheimer Disease dementia groups. Premorbid verbal IQ was estimated using the Wechsler Test of Adult Reading & Wide Range Achievement Test 4th Edition, after norming each was scored on a scale of 100. RESULTS: Higher Premorbid Verbal IQ score predicted a smaller decline in cognition in the overall group sample and reduced caregiver dependence in the non-AD dementia group 1-year post-diagnosis. Education was not a statistically significant predictive factor of cognition 1-year post-diagnosis. CONCLUSION: Higher premorbid intelligence may be a better 1-year prognostic indicator of cognition and function than education level in rural populations.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».