Nutrition, Immigration and Health Determinants are Linked to Verbal Fluency among Anglophone Adults in the Canadian Longitudinal Study on Aging (CLSA)
Notice bibliographique
Résumé
OBJECTIVES: Later-life cognitive impairment is an important health issue; however, little is known about the condition among diverse groups such as immigrants. This study aims to examine whether the healthy immigrant effect exists for verbal fluency, an indicator of cognitive functioning, among anglophone middle-aged and older adults in Canada. METHODS: Using from the baseline data of the Canadian Longitudinal Study on Aging (CLSA), multiple linear regression was employed to compare associations among immigrants (recent and long-term) and Canadian-born residents without dementia for two verbal fluency tests, the Controlled Oral Word Association Test (COWAT) and the Animal Fluency (AF) task. Covariates included socioeconomic, physical health, and dietary intake. RESULTS: Of 8,574 anglophone participants (85.7% Canada-born, 74.8% aged 45-65 years, 81.8% married, 81.9% with a post-secondary degree), long-term immigrants (settled in Canada >20 years) performed significantly better than Canadian-born residents for the COWAT (42.8 vs 40.9) but not the AF task (22.4 vs 22.4). Results of the multivariable adjusted regression analyses showed that long-term immigrants performed better than Canadian-born peers in both the COWAT (B=1.57, 95% CI: 0.80-2.34) and the AF test (B=0.57, 95% CI: 0.19-0.95), but this advantage was not observed among recent immigrants. Other factors associated with low verbal fluency performance included being single, socioeconomically disadvantaged, having hypertension, excess body fat, and consuming low amounts of pulses/nuts or fruit/vegetables. CONCLUSIONS: Long-term immigrants had higher verbal fluency test scores than their Canadian-born counterparts. Immigration status, social, health and nutritional factors are important considerations for possible intervention and prevention strategies for cognitive impairment.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».