Integrating Three Characteristics of Executive Function in Non-Demented Aging: Trajectories, Classification, and Biomarker Predictors
Notice bibliographique
Résumé
OBJECTIVE: With longitudinal executive function (EF) data from the Victoria Longitudinal Study, we investigated three research goals pertaining to key characteristics of EF in non-demented aging: (a) examining variability in EF longitudinal trajectories, (b) establishing trajectory classes, and (c) identifying biomarker predictors discriminating these classes. METHOD: We used a trajectory analyses sample (n = 781; M age = 71.42) for the first and second goals and a prediction analyses sample (n = 570; M age = 70.10) for the third goal. Eight neuropsychological EF measures were used as indicators of three EF dimensions: inhibition, updating, and shifting. Data-driven classification analyses were applied to the full trajectory distribution. Machine learning prediction analyses tested 15 predictors from genetic, functional, lifestyle, mobility, and demographic risk domains. RESULTS: First, we observed: (a) significant variability in EF trajectories over a 40-year band of aging and (b) significantly variable patterns of EF decline. Second, a four-class EF trajectory model was observed, characterized with classes differentiated by an algorithm of level and slope information. Third, the highest group class was discriminated from lowest by several prediction factors: more education, more novel cognitive activity, lower pulse pressure, younger age, faster gait, lower body mass index, and better balance. CONCLUSION: First, with longitudinal variability in EF aging, the data-driven approach showed that long-term trajectories can be differentiated into separable classes. Second, prediction analyses discriminated class membership by a combination of multiple biomarkers from demographic, lifestyle, functional, and mobility domains of risk for brain and cognitive aging decline.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».