Interplay between Socioeconomic Markers and Polygenic Predisposition on Timing of Dementia Diagnosis
Notice bibliographique
Résumé
OBJECTIVES: Identifying the interplay between socioeconomic markers (education and financial resources) and polygenetic predisposition influencing the time of dementia and the diagnosis of clinical Alzheimer's disease (AD) dementia is of central relevance for preventive strategies. DESIGN: Prospective cohort design. SETTING: The English Longitudinal Study of Aging is a household survey data set of a representative sample. PARTICIPANTS: A total of 7,039 individuals aged 50 years and older participated in the study. Of these, 320 (4.6%) were diagnosed with dementia over the 10-year follow-up. MEASUREMENTS: Polygenic score (PGS) for Alzheimer's disease (AD-PGS) was calculated using summary statistics from the International Genomics of Alzheimer's Project. An accelerated failure time survival model was used to investigate interactions between AD-PGS and socioeconomic markers on the timing of dementia and clinical AD dementia diagnosis. RESULTS: A one standard deviation increase in AD-PGS was associated with an accelerated time to dementia diagnosis by 4.8 months. The presence of the apolipoprotein E gene (APOE-ε4) was associated with an earlier dementia onset by approximately 24.9 months, whereas intermediate and low levels of wealth were associated with an accelerated time to dementia diagnosis by 12.0 months and 18.7 months, respectively. A multiplicative interaction between AD-PGS and years of completed schooling in decelerating the time to clinical AD dementia by 3.0 months suggests educational attainment may serve as a protective mechanism against AD diagnosis among older people with a higher polygenic risk. Interaction between AD-PGS and lower wealth accelerated the time to clinical AD dementia diagnosis by 21.1 to 24.1 months. CONCLUSION: Socioeconomic markers influence the time to dementia and clinical AD dementia diagnosis, particularly in those with a higher polygenic predisposition. J Am Geriatr Soc 68:1529-1536, 2020.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».