MétaCan
Menu
Retour à la cohorte
Enregistrement W3182368567 · doi:10.1111/padr.12409

Cohort and Period Effects as Explanations for Declining Dementia Trends and Cognitive Aging

2021· article· en· W3182368567 sur OpenAlexaff
Sean Clouston, Graciela Muñiz‐Terrera, Joseph Lee Rodgers, Patrick O’Keefe, Frank D. Mann, Nathan A. Lewis, Linda Wänström, Jeffrey Kaye, Scott M. Hofer

Notice bibliographique

RevuePopulation and Development Review · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Institute on Aging
Mots-clésDementiaNeurocognitiveCohortCognitionCognitive declineIncidence (geometry)GerontologyCohort effectPsychologyCohort studyEffects of sleep deprivation on cognitive performanceCognitive testCognitive agingStressorDiseaseMedicineClinical psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Studies have reported that the age-adjusted incidence of cognitive impairment and dementia may have decreased over the past two decades. Aging is the predominant risk factor for Alzheimer's disease and related dementias and for neurocognitive decline. However, aging cannot explain changes in overall age-adjusted incidence of dementia. The objective of this position paper was to describe the potential for cohort and period effects in cognitive decline and incidence of dementia. Cohort effects have long been reported in demographic literature, but starting in the early 1980s, researchers began reporting cohort trends in cognitive function. At the same time, period effects have emerged in economic factors and stressors in early and midlife that may result in reduced cognitive dysfunction. Recognizing that aging individuals today were once children and adolescents, and that research has clearly noted that childhood cognitive performance is a primary determinant of old-age cognitive performance, this is the first study that proposes the need to connect known cohort effects in childhood cognition with differences in late-life functioning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,380
Écart entre enseignants0,348 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePopulation and Development ReviewMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207