Cumulative impact of health deficits, social vulnerabilities, and protective factors on cognitive dynamics in late life: a multistate modeling approach
Notice bibliographique
Résumé
INTRODUCTION: Many factors influence late-life cognitive changes, and evaluating their joint impact is challenging. Typical approaches focus on average decline and a small number of factors. We used multistate transition models and index variables to look at changes in cognition in relation to frailty (accumulation of health deficits), social vulnerability, and protective factors in the Honolulu-Asia Aging Study (HAAS). METHODS: The HAAS is a prospective cohort study of 3,845 men of Japanese descent, aged 71 to 93 years at baseline. Cognitive function was measured using the Cognitive Abilities Screening Instrument (CASI). Baseline index variables were constructed of health deficits (frailty), social vulnerabilities, and protective factors. The chances of improvement/stability/decline in cognitive function and death were simultaneously estimated using multistate transition modeling for 3- and 6-year transitions from baseline. RESULTS: On average, CASI scores declined by 5.3 points (standard deviation (SD) = 10.0) over 3 years and 9.5 points (SD = 13.9) over 6 years. After adjusting for education and age, baseline frailty was associated with an increased risk of cognitive decline at 3 years (β = 0.18, 95% confidence interval (CI), 0.08 to 0.29) and 6 years (β = 0.40, 95% CI, 0.27 to 0.54). The social vulnerability index was associated with 3-year changes (β = 0.16, 95% CI, 0.09 to 0.23) and 6-year changes (β = 0.14, 95% CI, 0.05 to 0.24) in CASI scores. The protective index was associated with reductions in cognitive decline over the two intervals (3-year: β = -0.16, 95% CI, -0.24 to -0.09; 6-year: β = -0.21, 95% CI, -0.31 to -0.11,). CONCLUSIONS: Research on cognition in late life needs to consider overall health, the accumulation of protective factors, and the dynamics of cognitive change. Index variables and multistate transition models can enhance understanding of the multifactorial nature of late-life changes in cognition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».