Estado cognitivo y estrategias de compensación de memoria en personas adultas mayores
Bibliographic record
Abstract
Objetivo: Explorar la relación entre el estado cognitivo y las estrategias de compensación de memoria en personas adultas mayores que asisten a un centro de actividades diarias. Materiales y métodos: Se empleó un diseño descriptivo, correlacional e inferencia en 110 adultos mayores asistentes a un centro público de actividades recreativas. Se aplicó una cédula de datos personales, la Evaluación Cognitiva de Montreal y el Cuestionario de Estrategias de Compensación de Memoria. La investigación se realizó bajo la reglamentación vigente en México para la investigación en materia de salud. Resultados: El 54.5% de los participantes presentaron un estado cognitivo adecuado, 29.1% obtuvieron puntajes indicativos de probable demencia y 16.4% de deterioro cognitivo leve. La estrategia de compensación más empleada fue la del tiempo, seguido de las estrategias externa, esfuerzo, interna y confianza. El estado cognitivo se relacionó con las estrategias de confianza (p= .002) y esfuerzo (p= .013). El grupo con deterioro cognitivo leve uso mayormente la estrategia tiempo (p= .026) en comparación con los otros dos grupos. En cambio, el grupo de probable demencia, empleo mayormente la estrategia confianza (p= .013). Conclusiones: Ante el declive cognitivo mayor será la necesidad de apoyarse en otra persona, así como el esfuerzo que realicen para recordar información. Además, las personas adultas mayores con deterioro cognitivo leve emplean más tiempo para lograr recordar, mientras que aquellas con probable demencia compensan el declive apoyándose en otra persona para recordar. Este conocimiento podría apoyar en un futuro el desarrollo de intervenciones centradas en compensar el daño cognitivo y con ello favorecer a retrasar el declive cognitivo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".