Reavaliação do Rastreio à Covilhã
Bibliographic record
Abstract
Introdução O Défice Cognitivo Ligeiro (DCL) refere-se a um declínio cognitivo pouco proeminente, mas anormal para a idade, e pertence ao continuum entre o envelhecimento normal e a demência em estado inicial. A depressão é considerada um fator de risco para o desenvolvimento de demência. Torna-se por isso importante avaliar qual a evolução de doentes identificados com DCL e se o estado depressivo destes pode influenciar a possível evolução para um quadro demencial. Materiais e Métodos A amostra foi constituída por 16 idosos diagnosticados com DCL, há dois anos, no Rastreio à memória feito à população geriátrica da Covilhã e concelhos limítrofes. Foi usada a escala de Montreal Cognitive Assessment (MoCA) (versão 7.1) para a deteção e avaliação de alterações cognitivas e a Escala de Depressão Geriátrica de Yesavage versão curta (GDS) como ferramenta validada para o rastreio de depressão nos idosos. Resultados A pontuação do MoCA entre 2016 e 2018 diminuiu significativamente nesta população, em média, cerca de 2,69 ± 4,18 pontos (p=0,026), evidenciando um agravamento do défice cognitivo num período de dois anos. Cerca de 37,5 % dos voluntários evoluíram de pontuações compatíveis com Défices Cognitivos Ligeiros (DCL) para pontuações compatíveis com Demência. Os valores da GDS entre 2016 e 2018 aumentaram, em média, cerca de 0,19 ± 2,26 pontos, que corresponde a um ligeiro agravamento, não significativo, do estado depressivo (p=0,752). Encontrou-se uma correlação negativa fraca (r=-0,325), não significativa (p=0,219), entre a diferença das pontuações do MoCA de 2018 e 2016 e a diferença das pontuações da GDS de 2018 e 2016. Conclusão Os resultados refletem um agravamento significativo da função cognitiva num período de dois anos. Sabemos que os indivíduos com DCL estão em maior risco de evoluir para Demência a curto prazo comparativamente com a população geral. A correlação entre a evolução dos valores do MoCA e da GDS entre 2016 e 2018 mostrou-se negativa nesta população, mas sem significado estatístico. Assim, nesta população os sintomas depressivos poderão não ter influenciado significativamente a evolução do estado 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 | 0.003 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".