Hubungan Karakteristik Pasien Diabetes Melitus Tipe 2 dengan Gangguan Fungsi Kognitif di Puskesmas Andalas
Notice bibliographique
Résumé
Type 2 Diabetes Mellitus (T2DM) is a metabolic disease that can cause various complications, one of which is cognitive dysfunction. Specific characteristics in T2DM patients can be risk factors for cognitive dysfunction, such as sex, age, employment status, education level, duration of diagnosis, comorbidity status, and degree of treatment adherence. Objective: To determine the association between the characteristics of Type 2 DM patients and cognitive dysfunction. Methods: This study used an observational analytical method with a cross-sectional study design conducted on 104 Type 2 DM patients at the Andalas Community Health Center, Padang, who met the inclusion and exclusion criteria. This study utilized the Montreal Cognitive Assessment-Indonesia (MoCA-Indonesia) questionnaire to evaluate the cognitive level of patients. This study was conducted from January to October 2024. Results: The Chi-square test showed a significant association between employment status (p = 0.038) and education level (p = 0.046) and cognitive dysfunction. Meanwhile, there is no significant association between sex (p = 1.000), age (p = 0.456), duration of diagnosis (p = 1.000), comorbidity status (p = 1.000), and degree of treatment adherence (p = 0.188) with cognitive dysfunction. Conclusion: Employment status and education level are significantly associated with cognitive impairment. Keywords: cognitive dysfunction, T2DM, patient characteristics
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) | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».