Diet–Cognition Associations Differ in Mild Cognitive Impairment Subtypes
Notice bibliographique
Résumé
Cognitive function is not generally associated with diet, and there is debate over that association. Moreover, little is known about such associations with the specific cognitive domains and subtypes of mild cognitive impairment (MCI). We analyzed data of 4309 Chinese adults aged 55 and over from the Community-based Cohort Study on Nervous System Diseases from 2018-2019. Dietary habits were assessed at inclusion using a validated semi-quantitative food frequency questionnaire. Cognitive function of the participants was measured by using the Montreal Cognitive Assessment. Analyses were performed using multiple logistic regression and quantile regression with adjustment for socio-demographic, lifestyle, and health-related factors. Compared with normal cognition participants, those with a worse cognition state were characterized as being an older age and lower economic level. After adjustment for potential factors, participants with higher consumption of rice, legumes, fresh vegetables, fresh fruit, pork, poultry, fish, and nuts tended to have higher scores of global cognitive function and domains, and to have lower odds of MCI, while those with higher consumption levels of wheat and eggs had worse cognition, compared with the corresponding bottom consumption level of each food. Participants with a medium consumption level of beef or mutton had 57% (OR: 1.57, 95%CI: 1.07-2.32) higher odds of aMCI-SD, whereas they had 50% (OR: 0.50, 95%CI: 0.34-0.73) lower odds of naMCI-MD. Similarly, the highest consumption level of dairy was positively associated with the odds of aMCI-SD (OR:1.51, 95%CI:1.00-2.29), but inversely linked to the odds of naMCI-SD (OR: 0.60, 95%CI: 0.38-0.93) and naMCI-MD (OR: 0.49, 95%CI: 0.29-0.82). Most diet global cognitive benefits were observed to be associated with the preexisting higher consumption of rice, legumes, fresh vegetables, fresh fruit, meat, and nuts. In addition, the heterogeneity of associations between the consumption of certain foods and MCI subtypes was observed among Chinese adults aged over 55 years. These cross-sectional observations require validation in prospective studies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».