A data-driven prospective study of dementia among older adults in the United States
Notice bibliographique
Résumé
BACKGROUND: Studies examining risk factors for dementia have typically focused on testing a priori hypotheses within specific risk factor domains, leaving unanswered the question of what risk factors across broad and diverse research fields may be most important to predicting dementia. We examined the relative importance of 65 sociodemographic, early-life, economic, health and behavioral, social, and genetic risk factors across the life course in predicting incident dementia and how these rankings may vary across racial/ethnic (non-Hispanic white and black) and gender (men and women) groups. METHODS AND FINDINGS: We conducted a prospective analysis of dementia and its association with 65 risk factors in a sample of 7,908 adults aged 51 years and older from the nationally representative US-based Health and Retirement Study. We used traditional survival analysis methods (Fine and Gray models) and a data-driven approach (random survival forests for competing risks) which allowed us to account for the semi-competing risk of death with up to 14 years of follow-up. Overall, the top five predictors across all groups were lower education, loneliness, lower wealth and income, and lower self-reported health. However, we observed variation in the leading predictors of dementia across racial/ethnic and gender groups such that at most four risk factors were consistently observed in the top ten predictors across the four demographic strata (non-Hispanic white men, non-Hispanic white women, non-Hispanic black men, non-Hispanic black women). CONCLUSIONS: We identified leading risk factors across racial/ethnic and gender groups that predict incident dementia over a 14-year period among a nationally representative sample of US aged 51 years and older. Our ranked lists may be useful for guiding future observational and quasi-experimental research that investigates understudied domains of risk and emphasizes life course economic and health conditions as well as disparities therein.
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 | 0,004 | 0,007 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».