The Association between Environmental Factors, Race, and Cognitive Status
Notice bibliographique
Résumé
Abstract Based on the data from National Social Life, Health and Aging Project, Wave 3, this study examined two research questions: what is the role of race in predicting cognitive status? and what are predictors of cognitive status between white and black older adults? Cognitive status was assessed using the 18-item survey-adapted Montreal Cognitive Assessment. Using the ecological framework, correlates of cognitive status were conceptualized in three levels of environments: micro- (personal health), meso- (social relationship), and macro-environments (community characteristics). Hierarchical regressions analyses were employed. Findings indicated that 83% of the sample (n= 2,829) were whites and the mean age was 72.95. Bivariate analyses suggested significant racial differences in cognitive status, marital status, income, education, health, social relationship, and community characteristics. Additive and interactive models showed that race had an independent effect as well as joint effects with the three levels of environments in explaining cognitive status. Parallel regression analyses for each racial group were undertaken and models were significant (P < .0001). In two separate models, common predictors for better cognition included being younger, more educated, fewer IADL impairments, and less depression. For older whites, unique correlates for better cognition were being female, higher income, sense of control in life, safer community, and neighbor relations. The only unique correlate for older blacks to have better cognition was community cohesion. Results provided insights on racial differences in cognition experienced among community-dwelling older Americans, and emphasized the need for social programs that promote race-sensitive, age-friendly communities to protect against cognitive 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».