Fatores associados aos desfechos cognitivos de idosos: segunda onda do estudo FIBRA - JF
Bibliographic record
Abstract
O processo do envelhecimento pode acarretar um declínio cognitivo normal, porém, em alguns casos ele pode se apresentar de forma patológica. As características socioeconômicas, de idade, escolaridade, depressão e algumas atividades avançadas de vida diária (AAVD‘s) vêm sendo reconhecidas como um fator de risco para o declínio cognitivo patológico. O presente estudo é parte da segunda onda do estudo da Rede de Fragilidade em Idosos Brasileiros (FIBRA-JF), realizada após 10 anos da primeira onda (2009-20019), e tem como objetivo analisar os fatores de risco relacionados aos desfechos cognitivos de uma amostra de idosos previamente avaliados em estudos anteriores de Juiz de Fora – MG. Foram utilizados instrumentos de rastreio cognitivo, para avaliação do desempenho cognitivo da amostra na linha de base, e para a reavaliação foram aplicados o Montreal Cognitive Assessment (MoCA), o Informant Questionnaire on Cognitive Decline in the Elderly (IQCODE) e parte do questionário da Rede FIBRA adaptado aos objetivos específicos. As variáveis categóricas (idade; gênero; escolaridade; raça; avaliação subjetiva de saúde; depressão; fragilidade; MoCA; IQCODE e as AAVD‘s) foram descritas segundo a presença e ausência declínio indicado pelo MoCA. Já para as variáveis numéricas (escore total do MoCA: IQCODE; total do Mini Exame do Estado Mental (MEEM); idade total; anos de escolaridade) foram utilizadas para as médias totais. As variáveis de escolaridade e idade se associaram significativamente ao desempenho cognitivo dos idosos (p < 0,05), a depressão e algumas AAVD‘s. O estudo mostrou concordância com estudos anteriores, indicando que a escolaridade é um fator protetivo para o desempenho cognitivo, bem como os sintomas depressivos e a idade.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".