Challenges moving forward with economic evaluations of exercise intervention strategies aimed at combating cognitive impairment and dementia
Notice bibliographique
Résumé
Cognitive decline among adults aged 65 years and older is a substantial public health problem in terms of incidence, health burden to the individual and care givers, as well as healthcare-related costs.1 With the world's ageing population increasing, the number of older adults with dementia is estimated to rise from 26.6 million in 2007 to 106.2 million in 2050.2 The economic burden of cognitive impairment and dementia cannot be ignored. In 2000, dementia was the third most costly health condition to care for in the USA, with annual costs estimated at $100 billion (in 1997 US prices). Another study calculated that the mean annual cost for dementia care is €28 000 per patient.3 The direct costs in the UK of Alzheimer's disease were estimated at £23 billion annually.4 Clearly, the cost of care for dementia is extremely high, and any strategies that delay the onset and/or slow the progression of cognitive decline and dementia can have enormous societal return in terms of costs and consequences. To date, effective pharmacotherapy for cognitive decline remains a challenge.1 Rather, recent evidence emphasises the importance of behavioural strategies such as physical activity to promote cognitive function.5,–,10 Specifically, results from randomised controlled trials suggest that exercise has benefits for cognitive function among cognitively normal older adults5,–,7 and among older adults with mild cognitive impairment.8 9 However, more research is needed to ascertain the direct effect of exercise on cognition among those with dementia, such as Alzheimer's disease and vascular dementia. Nevertheless, as previously highlighted by Erickson and Kramer,10 physical activity provides clear benefits for cognition among seniors. These neuroscientists contend that ‘physical activity is an inexpensive treatment that could have substantial preventive and restorative properties for cognitive and …
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 | 0,192 | 0,465 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,001 |
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 ».