Physical activity mediates the relationship between fruit and vegetable consumption and cognitive functioning: a cross-sectional analysis
Notice bibliographique
Résumé
Background: Excess adiposity is associated with impairments in cognitive functioning, whereas physical activity (PA) and fruit and vegetable consumption (FVC) may be protective against cognitive decline. Therefore, this study investigated the interrelationships between FVC, body mass index (BMI), PA and cognitive functioning in younger and older adults. Methods: Cross-sectional data of 45 522 participants (≥30 years) were examined from the 2012 annual component of the Canadian Community Health Survey. Cognitive function was assessed using a single six-level question of the Health Utilities Index. PA was classified according to the Physical Activity Index kilocalories per kilogram per day as active, moderately active and inactive; BMI was measured in kg/m2 and FVC (servings/day) was classified as low, moderate or high. To assess the interrelationship between FVC, BMI, PA, age and cognitive functioning, general linear models and mediation analyses were used. Results: Higher BMIs, lower PA and FVC were associated with poorer cognitive functioning. Additionally, PA statistically mediated the relationship between FVC and cognitive function (Sobel test: t = -3.15; P < 0.002); and higher education levels and daily FVC were associated with better cognitive function (P < 0.001). Conclusion: Higher PA levels were associated with better cognitive functioning in younger and older adults. Also, higher daily FVC and education levels were associated with better cognitive scores.
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 | 0,001 |
| 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 ».