Does lifestyle matter? Individual lifestyle factors and their additive effects associated with cognitive function in older men and women
Notice bibliographique
Résumé
Objectives: This study investigated the association between healthy lifestyle comprised of multiple domains, gender, and cognitive function in older Chinese people in Hong Kong.Methods: We conducted a cross-sectional analysis with data from 1,831 community-dwellers aged 65 years and above. Participants’ basic demographics, comorbidity, and six lifestyle factors: diet; smoking; alcohol drinking; and physical, mental, and social activities were surveyed. Cognitive function was assessed using the Cantonese Chinese Montreal Cognitive Assessment (CC-MoCA). Linear regressions were performed to examine the associations between lifestyle, gender, and cognitive performance.Results: There were gender differences in lifestyle: men smoked (χ2(1) = 159.4) and drank more (χ2(1) = 85.9) and were more active in mentally stimulating activities (χ2(1) = 14.3, all p<.001); while women were more socially active (χ2(1) = 28.0). Age, gender and education explained the greatest variance in cognition (R2=.32). Being active/healthy in more domains further contributed to better cognitive function, although the effect was small (ΔR2=0.03 in women; ΔR2=0.01 in men, both p<.05). Among the lifestyle domains, physical activity showed the strongest effects on cognitive function (ΔR2=0.004 in men and ΔR2=0.02 in women, both p<.05).Conclusions: Naturalistically, a physically active lifestyle and being active/healthy in more domains is associated with better cognitive function in older people after controlling for non-modifiable and early-life factors. The effects are however small. There are gender differences in lifestyle and the impact of lifestyle on cognitive function. Preventive strategies targeting lifestyle domains for cognitive health in older people may consider these naturalistic associations.
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 ».