Gait speed as predictor of transition into cognitive impairment: Findings from three longitudinal studies on aging
Notice bibliographique
Résumé
OBJECTIVES: Very few studies looking at slow gait speed as early marker of cognitive decline investigated the competing risk of death. The current study examines associations between slow gait speed and transitions between cognitive states and death in later life. METHODS: We performed a coordinated analysis of three longitudinal studies with 9 to 25 years of follow-up. Data were used from older adults participating in H70 (Sweden; n = 441; aged ≥70 years), InCHIANTI (Italy; n = 955; aged ≥65 years), and LASA (the Netherlands; n = 2824; aged ≥55 years). Cognitive states were distinguished using the Mini-Mental State Examination. Slow gait speed was defined as the lowest sex-specific quintile at baseline. Multistate models were performed, adjusted for age, sex and education. RESULTS: Most effect estimates pointed in the same direction, with slow gait speed predicting forward transitions. In two cohort studies, slow gait speed predicted transitioning from mild to severe cognitive impairment (InCHIANTI: HR = 2.08, 95%CI = 1.40-3.07; LASA: HR = 1.33, 95%CI = 1.01-1.75) and transitioning from a cognitively healthy state to death (H70: HR = 3.30, 95%CI = 1.74-6.28; LASA: HR = 1.70, 95%CI = 1.30-2.21). CONCLUSIONS: Screening for slow gait speed may be useful for identifying older adults at risk of adverse outcomes such as cognitive decline and death. However, once in the stage of more advanced cognitive impairment, slow gait speed does not seem to predict transitioning to death anymore.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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) | 0,003 | 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 ».