Multidimensional predictors of cognitive impairment among community-dwelling older adults in Klang Valley, Malaysia
Notice bibliographique
Résumé
Cognitive decline and cognitive impairment among older adults is a rising public health concern. It is a costly condition that affects individuals, families and countries which often associated with increased risk of dementia, disability and mortality. Numerous risk factors associated with cognitive impairment have been identified but early identification of cognitive impairment is rare and little is known about the risk profile among Malaysians. There is lack of multidimensional risk model, which synthesizes information from known risk factors of cognitive impairment, particularly the modifiable lifestyle-related risk factors. This study was conducted to determine the risk factors and predictors of cognitive impairment from multidimensional approach, based on a representative sample of the community-dwelling older adult Malaysian population. This study was conducted through a cross-sectional household survey in the Klang Valley using multi-stage sampling. A total of 698 respondents aged 60 years old and above, living in community participated in the study. Multivariate logistic regression analysis was performed to determine the predictors of cognitive impairment. Age, being female, Malay or Indian, education, aerobic activity and physical function were the six predictors identified for cognitive impairment after controlling for other factors including socio-demographic, cardiovascular risk, lifestyle-related risks and psychosocial factors. While advancing age, being female, Malay or Indian were found as the risk factors for cognitive impairment, increasing years of education, aerobic activity and better physical function were associated with the reduced risk of cognitive impairment at p<0.05 level of significance. The predictors for cognitive impairment identified in the study provided a hierarchy of priorities for the development of policies, strategies, programmes and interventions. In view of that, it is crucial to identify individuals who are at higher risk of cognitive impairment and targeted them to encourage lifestyle changes by using life course approach to preserve cognitive function, prevent or delay the onset of cognitive impairment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».