A - 21Poorer Memory and Executive Functioning Across the Lifespan: Contributions of Alexithymia
Notice bibliographique
Résumé
Objective: Alexithymia is a trait characterized by difficulty identifying feelings (DIF), describing feelings (DDF), and externally oriented thinking (EOT). Limited alexithymia research suggests poorer memory for emotive materials and possible executive functioning (EF) impairment. As alexithymia, memory, and EF all worsen with age, we predicted poorer EF and delayed memory associated with higher alexithymia in healthy, cognitively intact adults across the lifespan. Method: Experiment 1: 40 young adults (age 18–35, 29 female) and 104 elders (age 48–86, 68 female) completed tests of EF (Trail-making (TMT), symbol-digit modalities, category fluency), and alexithymia (Toronto Alexithymia Scale-20 (TAS-20)). Experiment 2: 34 young adults (19 female, age 18–22) and 87 elders (62 female, age 50–92) completed the TAS-20 and TMT, and a subset completed delayed narrative memory tests (34 young, 42 elders). Results: Across both studies, hierarchical regression significantly predicted EF by age (p < .001) and sex (p < .05) in Step 1, with significant addition by alexithymia in Step 2 via DIF (p < .05). In Experiment 2, age and sex predicted memory in Step 1 (age p < .001; sex p = .01), with EOT contributing in Step 2 (p = .07). In elders where memory scores had greater range, EOT made a strong contribution (p = .007). Conclusions: EF was poorer in older age, male sex, and higher alexithymia (DIF) in young and older adults. Delayed memory was similarly predicted but by EOT, especially in elders. Moreover, memory effects were apparent with neutral memoranda in this large sample. Thus, alexithymia should be considered in future studies due to its influence on cognitive functioning across the lifespan.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».