HUBUNGAN ANTARA KADAR high sensitivity-C REACTIVE PROTEIN (hs-CRP) TINGGI DAN GANGGUAN FUNGSI KOGNITIF YANG DI UKUR DENGAN MoCA INA PADA PASIEN LANSIA DENGAN DIABETES MELLITUS TIPE 2 DI RSUD DR.SOETOMO SURABAYA
Bibliographic record
Abstract
Latar Belakang dan Tujuan \nC-reactive protein merupakan penanda proses inflamasi dan penyakit vaskuler. \nKadar hs-CRP tinggi berhubungan dengan kerusakan jalur frontal-subkortikal \nsehingga mempengaruhi fungsi kognitif. Tujuan penelitian ini adalah untuk \nmengetahui hubungan antara kadar hs-CRP tinggi dan gangguan fungsi kognitif \nyang di ukur dengan MoCA-INA pada pasien lansia dengan Diabetes Mellitus \nTipe 2 di RSUD Dr. Soetomo Surabaya. \nMetode \nStudi kasus kontrol dilakukan pada 90 pasien lansia dengan DM tipe 2 yang \ndatang ke Poliklinik Endokrinologi dan Poliklinik Geriatri RSUD Dr Soetomo \nsejak Desember 2017 hingga Januari 2018. Subyek penelitian dievaluasi fungsi \nkognitifnya dengan pemeriksaan Montreal Cognitive Assessement Versi Indonesia \n(MoCA-INA) kemudian dibagi menjadi kelompok kasus dan kelompok kontrol. \nSetelah itu subyek dilakukan pengambilan darah lengkap dan kadar hs-CRP. \nAnalisis data menggunakan uji chi square. \nHasil \nDidapatkan 90 subyek penelitian yang terbagi menjadi 45 subyek dalam \nkelompok kasus (29 perempuan, 16 laki-laki) dan 45 subyek dalam kelompok \nkontrol (26 perempuan, 19 laki-laki). Kadar hs-CRP tinggi terdapat pada 30 \n(66,7%) orang pada kelompok kasus dan 28 (62,2%) orang pada kelompok \nkontrol. Tidak terdapat hubungan yang bermakna antara kadar hs-CRP tinggi \ndengan fungsi kognitif dimana nilai p = 0,660 dan OR sebesar 1,214 (CI 95%, \n0,512 – 2,882). \nKesimpulan \nTidak ada hubungan antara kadar hs-CRP tinggi dan fungsi kognitif yang di ukur \ndengan MoCA-INA pada pasien lansia dengan DM tipe 2 di RSUD Dr. Soetomo \nSurabaya.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.032 | 0.006 |
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".