Arterial Pulse Wave Velocity as a Marker of Poor Cognitive Function in an Elderly Community-Dwelling Population
Notice bibliographique
Résumé
BACKGROUND: Knowledge about potentially modifiable risk factors for cognitive decline is limited at this time. The aim of this study was to determine the cross-sectional relationship between a low level of cognitive function and brachial-ankle pulse wave velocity (baPWV) in a community-dwelling elderly population. METHODS: The study population included 352 community-dwelling Japanese persons ages 70 years and older who participated in a comprehensive health examination in April 2003. None had any history of cardiovascular disease. In addition to conventional medical examinations such as blood pressure and routine blood analyses, cognitive function was tested using the Mini-Mental State Examination (MMSE), and baPWV was determined using a recently developed noninvasive and automatic arterial waveform analyzer (AT-Form). This measure, with well-established validity and reproducibility, reflects both central and peripheral arterial flow. A multivariate logistic regression model tested the possible association between poor cognitive function (an MMSE score < 24) and baPWV. RESULTS: Poor cognitive function was independently associated with the middle tertile of baPWV (odds ratio [OR] = 9.66, 95% confidence interval [CI] = 1.15 to 80.93), age (1-year increment; OR = 1.12, 95% CI = 1.04 to 1.22), and the highest tertile of pulse pressure (OR = 4.70, 95% CI = 1.08 to 20.48) even after multivariate adjustment of data for the effects of age, educational level, and hemodynamic and metabolic antecedents of atherosclerosis. CONCLUSIONS: A high baPWV may be a potent risk factor for poor cognitive function in an elderly community-dwelling population, and this effect is independent of another marker of arterial stiffness: pulse pressure.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».