Subjective memory concerns, poor vascular health, and male sex predict exacerbated memory decline trajectories: An integrative data-driven class and prediction analysis.
Notice bibliographique
Résumé
OBJECTIVE: Subjective memory decline (SMD) has been identified as a potential early marker of nonnormal and accelerated cognitive decline. We performed data-driven analyses that integrated trajectory classification with prediction modeling to test declining trajectory class prediction by SMD facets, pulse pressure (PP; i.e., a robust proxy for vascular health), and sex. METHOD: = 70.2 years; 65% female) from the Victoria Longitudinal Study. First, latent class growth analyses identified distinct classes of memory trajectories. Second, we used the three-step method (R3STEP) to predict membership in the declining memory classes using six measures: memory complaints, memory concerns, memory compensation, memory self-efficacy, PP, and sex. RESULTS: First, we identified four classes of memory aging trajectories: (a) stable memory aging (STABLE), (b) typical memory aging (TYPICAL), (c) slowly declining memory aging (SLOW), and (d) rapidly declining memory aging (RAPID). Second, more memory concerns predicted membership in the SLOW and RAPID classes. Higher PP predicted membership in the SLOW class. Male sex predicted membership in the declining (TYPICAL, SLOW, RAPID) classes. CONCLUSION: Among SMD facets, memory concerns represent the most severe degree of apprehension about subjectively experienced memory losses. The present integrative data-driven analysis indicated that such concerns predicted membership in declining memory trajectory classes in addition to worse vascular health (higher PP) and sex (male). In nondemented aging, concerns about increasing memory failures may be veridical indicators of memory loss, especially when coupled with vascular comorbidity and being male. (PsycInfo Database Record (c) 2022 APA, all rights reserved).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».