ĐẶC ĐIỂM NHẬN THỨC Ở NGƯỜI BỆNH PARKINSON THEO THANG ĐIỂM MoCA TẠI BỆNH VIỆN LÃO KHOA TRUNG ƯƠNG
Bibliographic record
Abstract
Mục tiêu: Đánh giá đặc điểm nhận thức ở người bệnh (NB) Parkinson theo thang điểm MoCA (Montreal Cognitive Assessment) và một số yếu tố liên quan. Phương pháp nghiên cứu: Nghiên cứu mô tả cắt ngang trên 113 NB Parkinson đến khám, điều trị và đánh giá chức năng nhận thức bằng thang điểm MoCA tại Bệnh viện Lão khoa Trung ương từ tháng 01 - 8/2024. Kết quả: Trong 113 NB Parkinson nghiên cứu, 75 NB (66,4%) có điểm MoCA < 26. Điểm MoCA trung bình của NB trong nghiên cứu là 21,82 ± 4,72. Điểm MoCA trung bình thấp hơn có ý nghĩa thống kê ở nhóm NB Parkinson ≥ 60 tuổi, trình độ học vấn thấp, nghề nghiệp lao động chân tay, với p < 0,001. Điểm MoCA ở NB Parkinson có mối tương quan nghịch chặt chẽ với thời gian mắc bệnh Parkinson (r = -0,763 và p < 0,001). Điểm MoCA ở NB Parkinson có mối tương quan nghịch chặt chẽ với điểm MDS - UPDRS (III) giai đoạn TẮT (r = -0,868 và p < 0,001). Kết luận: Tỷ lệ suy giảm nhận thức dựa theo thang điểm MoCA ở NB Parkinson trong nghiên cứu khá cao (66,4%). Tuổi cao, trình độ học vấn thấp, nghề nghiệp lao động chân tay, thời gian mắc bệnh Parkinson kéo dài, mức độ rối loạn vận động nặng là những yếu tố liên quan đến suy giảm nhận thức ở NB Parkinson.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.059 | 0.010 |
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".