FRAILTY EFFECTS ON COGNITIVE CHANGES IN AGING ARE MODERATED BY DOMAIN, GENETIC RISK, AND SEX
Notice bibliographique
Résumé
Introduction: Age-related frailty reflects cumulative multisystem physiological and health decline. Frailty increases risk of adverse brain and cognitive outcomes, including differential decline and dementia. In a longitudinal sample of non-demented older adults, we examine whether (a) frailty predicts trajectories across three cognitive domains (memory, executive function (EF), and speed) and (b) prediction patterns are modified by Alzheimer’s genetic risk (Apolipoprotein E (APOE)) or sex. Methods: Participants (n = 655; M age = 70.7, range 53–95; 3 waves) were from the Victoria Longitudinal Study. After computing a frailty index, we used latent growth modeling and path analysis to test frailty effects on level and change in three latent cognitive variables. We tested two potential moderators by stratifying by APOE risk (e4+, e4-) and sex. Results: First, frailty levels predicted speed and EF performance levels, and differential memory change slopes. Second, change in frailty predicted rate of decline for both speed and EF. Third, genetic moderation analyses showed that APOE risk (e4+) carriers were selectively sensitive to frailty effects on memory change. Fourth, sex moderation analyses showed that females were selectively sensitive to (a) frailty effects on memory change and (b) frailty change effects on speed change. In contrast, the frailty effects on EF change were stronger in males. Conclusion: In non-demented older adults, increasing frailty is associated with differential decline in cognitive trajectories. These effects vary by cognitive domain and are moderated by both genetic risk and sex.
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 ».