Education and Cognitive Aging: Accounting for Selection and Confounding in Linkage of Data From the Danish Registry and Survey of Health, Ageing and Retirement in Europe
Notice bibliographique
Résumé
Earlier studies report inconsistent associations between education and cognitive aging. We assessed the association, accounting for selective dropout due to death or dementia, and, in a subsample, accounting for confounding by early-life intelligence. Data from the Danish component of the Survey of Health, Ageing and Retirement in Europe (n = 3,400) were linked to registry data (education records, dementia diagnoses, and mortality) and the Danish Conscription Database (youth intelligence measurements for 854 men). Word recall and verbal fluency were assessed up to 4 times over 10 years (2004-2013) and combined by averaging the z scores. We fitted a joint model linking a time-to-event model for dementia or death to a linear mixed-effects model for cognitive change. Rate of cognitive decline was slower among people with high education compared with low education (β = 0.112, 95% confidence interval (CI): 0.056, 0.170). Adjusting for youth intelligence did not attenuate the association between education and cognitive decline (crude β = 0.136, 95% CI: 0.028, 0.244 vs. adjusted β = 0.145, 95% CI: 0.022, 0.269). The results suggest that higher education may slow cognitive decline in later life. In this sample, results changed little when accounting for selective attrition and confounding by intelligence.
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 | 0,009 | 0,009 |
| 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 | 0,001 |
| 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 ».