MétaCan
Menu
← Retour à la cohorte
Enregistrement W7033677519

The Relationship Between Social Isolation and Cognitive Frailty Among Community-Dwelling Older Adults: The Mediating Role of Depressive Symptoms

2024· article· en· W7033677519 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial isolationLogistic regressionDepressive symptomsGeriatric Depression ScaleCognitionDementiaDepression (economics)Association (psychology)Clinical Dementia Rating
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Yamei Bai,* Yuqing Chen,* Meng Tian, Jiaojiao Gao, Yulei Song, Xueqing Zhang, Haiyan Yin, Guihua Xu School of Nursing, Nanjing University of Chinese Medicine, Nanjing, 210023, People’s Republic of China*These authors contributed equally to this workCorrespondence: Guihua Xu, School of Nursing, Nanjing University of Chinese Medicine, No. 138, Xianlin Avenue, Qixia District, Nanjing, Jiangsu Province, 210023, People’s Republic of China, Tel +86-153-6513-2927, Email 7115@njucm.edu.cnPurpose: Social isolation and depression have an impact on cognitive frailty. However, the underlying mechanisms between these variables have not been well defined. This study aims to investigate the mediating role of depressive symptoms in the association between social isolation and cognitive frailty among older adults in China.Methods: From Mar 2023 to Aug 2023, a cross-sectional study was conducted with 496 community-dwelling older adults aged ≥ 60 years in Nanjing, Jiangsu Province, China. Demographic information was collected using the General Information Questionnaire. The Lubben Social Network Scale-6 (LSNS-6), Geriatric Depression Scale 15-item (GDS-15), Montreal Cognitive Assessment (MoCA), Clinical Dementia Rating (CDR), and FRAIL scale were used for the questionnaire survey. Multiple linear regression and binary logistic regression were utilized to explore the associations among social isolation, depressive symptoms, and cognitive frailty, and Bootstrap analysis was used to explore the mediating role of depressive symptoms in social isolation and cognitive frailty.Results: Linear regression results revealed that social isolation was positively associated with depressive symptoms (β = 0.873, p < 0.001). Logistic regression analysis showed that social isolation (OR = 1.769, 95% CI = 1.018~3.075) and depressive symptoms (OR = 1.227, 95% CI = 1.108~1.357) were significantly associated with cognitive frailty. Mediation analysis demonstrated that depressive symptoms significantly mediated the relationship between social isolation and cognitive frailty, with an indirect effect of 0.027 (95% CI = 0.003~0.051), and the mediating effect accounted for 23.6% of the total effect.Conclusion: Social isolation is associated with cognitive frailty in community-dwelling older adults, and depressive symptoms partially mediate the effect between social isolation and cognitive frailty. Active promotion of social integration among older individuals is recommended to enhance their mental health, reduce the incidence of cognitive frailty, and foster active aging.Keywords: cognitive frailty, social isolation, depressive symptoms, older adults

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,129
Tête enseignante GPT0,516
Écart entre enseignants0,388 · 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 source (Gemma direct ou Codex distillé), 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→