Deterioro cognitivo en pacientes con diabetes: estudio de corte transversal
Bibliographic record
Abstract
Introducción: la diabetes, como patología crónica mundial, ha exigido un abordaje multidisciplinar, dado que se relaciona con múltiples patologías, entre ellas, el deterioro cognitivo, el cual es más evidente en personas de mayor edad. El objetivo de esta investigación fue realizar un estudio prospectivo para determinar la prevalencia entre diabetes mellitus y el déficit cognitivo, en una corte de pacientes en una institución del nororiente colombiano, mediante el test de evaluación cognitiva de Montreal (MoCA, según sus siglas en inglés). Materiales y métodos: participaron 170 personas que cumplieron con los criterios de inclusión, aplicándoles el test de MoCA, versión 8.1 en español, y se solicitaron paraclínicos completos. Para elaborar y compartir el cuestionario con los participantes se usó Google Forms. Luego, para la validación de los resultados del análisis estadístico, las variables categóricas se describieron con frecuencias absolutas y porcentajes, mientras que las variables continuas se validaron con medidas de tendencia central y dispersión, y la distribución se evaluó mediante la prueba de Shapiro-Wilk. Así mismo, para el análisis bivariado en variables continuas se usó el test de chi cuadrado y el exacto de Fisher, y para las continuas se usó la prueba U de Mann-Whitney. Finalmente, para realizar los análisis estadísticos se usó el programa Stata 16. Resultados: en el test de MoCA se evidenciaron diferencias estadísticamente significativas con la edad, siendo mayor el grado de deterioro cognitivo severo en mayores de 50 años. Discusión: la diabetes como patología metabólica crónica multifactorial, se asocia a deterioro cognitivo, con una asociación estadísticamente significativa en personas mayores de 50 años con larga historia de DM2. El tamizaje temprano y el buen control metabólico son importantes para minimizar el impacto cognitivo y de salud en general de esta población. Conclusiones: el control glucémico adecuado, el mantener una mente activa y el control periódico, especialmente en personas mayores de 50 años o en pacientes con larga data, son aspectos a tener en cuenta para evitar la aparición o la rápida progresión de los trastornos cognitivos en la población con diabetes.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| 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".