MétaCan
Menu
Retour à la cohorte
Enregistrement W2022585817 · doi:10.1159/000093894

Evaluating Spousal Abuse as a Potential Risk Factor for Alzheimer’s Disease: Rationale, Needs and Challenges

2006· article· en· W2022585817 sur OpenAlexafffund
Fok‐Han Leung, Kara Thompson, Donald F. Weaver

Notice bibliographique

RevueNeuroepidemiology · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElder Abuse and Neglect
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanada Research Chairs
Mots-clésMedicineIncidence (geometry)Risk factorDiseaseHead traumaPsychiatryDomestic violenceInjury preventionPoison controlInternal medicineMedical emergencySurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Repetitive head trauma is an identified risk factor for Alzheimer's disease (AD). The violence in wife assault is repetitive and targets the head. This association provides a rationale for studying the relationship between spousal abuse and AD. DESIGN: To preliminarily evaluate the possibility of an increased susceptibility for AD in women subjected to spousal abuse and to identify challenges associated with such a study, we performed a pilot case-control study involving women with AD and compared the incidence of spousal abuse against two control groups. Forty consecutive women with AD referred to a Memory Disorders Clinic were enrolled. Individuals were evaluated at three visits (0, 3, 9 months) and were followed for an additional 12 months to ensure that no other diagnosis emerged. Two control groups were likewise assessed. RESULTS: 17.5% (7/40) of the women (average age 71 years) with AD reported spousal abuse with head trauma. In control group 1, 5.0% (2/40) and in control group 2, 7.5% (3/40) of the women reported spousal abuse with head trauma. CONCLUSIONS: The development of AD may be a potential long-term consequence of wife assault. Our study suggests spousal abuse as a possible risk factor for AD, and supports the need for larger studies. However, there are practical challenges associated with the successful execution of such a study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,155
Tête enseignante GPT0,398
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroepidemiologyMême sujetElder Abuse and NeglectTravaux en français237 207