Age-related deficit accumulation and the risk of late-life dementia
Notice bibliographique
Résumé
INTRODUCTION: Many age-related health problems have been associated with dementia, leading to the hypothesis that late-life dementia may be determined less by specific risk factors, and more by the operation of multiple health deficits in the aggregate. Our study addressed (a) how the predictive value of dementia risk varies by the number of deficits considered and (b) how traditional (for example. vascular risks) and nontraditional risk factors (for example, foot problems, nasal congestion) compare in their predictive effects. METHODS: Older adults in the Canadian Study of Health and Aging who were cognitively healthy at baseline were analyzed (men, 2,902; women, 4,337). Over a 10-year period, 44.8% of men and 33.4% of women died; 7.4% of men and 9.1% of women without baseline cognitive impairment developed dementia. Self-rated health problems, including, but not restricted to, dementia risk factors, were coded as deficit present/absent. Different numbers of randomly selected variables were used to calculate various iterations of the index (that is, the proportion of deficits present in an individual. Risks for 10-year mortality and dementia outcomes were evaluated separately for men and women by using logistic regression, adjusted for age. The prediction accuracy was evaluated by using C-statistics. RESULTS: Age-adjusted odds ratios per additional deficit were 1.22 (95% confidence interval (CI), 1.18 to 1.26) in men and 1.14 (1.11 to 1.16) in women in relation to death, and 1.18 (1.12 to 1.25) in men and 1.08 (1.04 to 1.11) in women in relation to dementia. The predictive value increased with the number (n) of deficits considered, regardless of whether they were known dementia risks, and stabilized at n > 25. The all-factor index best predicted dementia (C-statistics, 0.67 ± 0.03). CONCLUSIONS: The variety of items associated with dementias suggests that some part of the risk might relate more to aberrant repair processes, than to specifically toxic results. The epidemiology of late-life illness might best consider overall health status.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».