Institutional Residence Protects Against Cognitive Frailty: A Cross-Sectional Study
Notice bibliographique
Résumé
Based on the complex aging background, more and more older people have to live in an institution in later life in China. The prevalence of cognitive frailty (CF) is more higher in institutions than in communities. Rarely studies were conducted on the relationship between institutional residence and CF. Hence, this study were performed to determine the relationship between institutional residence (living in a nursing home) and CF in older adults. A total of 1004 older community residents and 111 older nursing home residents over 50 years of age from Hefei, Anhui Province, China were recruited. CF included physical frailty (PF) and mild cognitive impairment (MCI). PF was assessed using the Chinese version of the Fried frailty scale, MCI was assessed using the Montreal Cognitive Assessment, and the common associated factors including sedentary behavior, exercise, intellectual activity, comorbidity, medication, chronic pain, sleep disorders, nutritional status and loneliness were analyzed using regression logistic models. Multivariate regression logistic analysis showed that exercise (P = .019, odds ratio [OR] = 0.494, 95% confidence interval [CI]: 0.274-0.891), intellectual activity (P = .019, OR = 0.595, 95% CI: 0.380-0.932), medication use (P = .003, OR = 2.388, 95% CI: 1.339-4.258), chronic pain (P = .003, OR = 1.580, 95% CI: 1.013-2.465) and loneliness (P = .000, OR = 2.991, 95% CI: 1.728-5.175) were significantly associated with CF in community residents; however, only sedentary behavior (P = .013, OR = 3.851, 95% CI: 1.328-11.170) was significantly associated with CF in nursing home residents. Our findings suggest that nursing homes can effectively address many common risk factors for CF, including lack of exercise and intellectual activity, medication use, chronic pain, and loneliness, better than the community setting. Thus, residing in a nursing home is conducive to the intervention of CF.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».