MétaCan
Menu
Retour à la cohorte
Enregistrement W2917754423 · doi:10.1073/pnas.1807679116

Advantaged socioeconomic conditions in childhood are associated with higher cognitive functioning but stronger cognitive decline in older age

2019· article· en· W2917754423 sur OpenAlexfundno aff
Marja Aartsen, Boris Cheval, Stefan Sieber, B. Lindén, Rainer Gabriel, Delphine S. Courvoisier, Idris Guessous, Claudine Burton‐Jeangros, David Blane, Andreas Ihle, Matthias Kliegel, Stéphane Cullati

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueCognitive Abilities and Testing
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research CouncilEuropean CommissionNorges ForskningsrådRéseau de cancérologie RossyNational Institute on AgingNordForskMax-Planck-GesellschaftSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésSocioeconomic statusCognitionCognitive skillPsychologyLife course approachDevelopmental psychologyCognitive developmentEarly childhoodGerontologyDemographyMedicinePsychiatrySociologyPopulation

Résumé

récupéré en direct d'OpenAlex

= 24,066 at baseline; 56% female, age 50+). We found a consistent CSC pattern in levels of cognitive functioning in later life. Older people with disadvantaged CSC had lower levels of cognitive functioning than those with more advantaged CSC. We also find that decline is almost 1.6 times faster in the most advantaged group compared with the most disadvantaged group. The faster decline for people with more advantaged CSC becomes less pronounced when we additionally control for adulthood socioeconomic conditions and current levels of physical activity, depressive symptoms, and partner status. Our findings are in line with the latency, pathway, and cumulative model and lend support to theories of cognitive reserve, stating that neuronal loss can no longer be repaired in people with more cognitive reserve once the underlying pathology is substantial and speed of decline is accelerated.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,321
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations132
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetCognitive Abilities and TestingTravaux en français237 207