Frailty, lifestyle, genetics and dementia risk
Notice bibliographique
Résumé
OBJECTIVE: To optimise dementia prevention strategies, we must understand the complex relationships between lifestyle behaviours, frailty and genetics. METHODS: We explored relationships between frailty index, healthy lifestyle and polygenic risk scores (all assessed at study entry) and incident all-cause dementia as recorded on hospital admission records and death register data. RESULTS: The analytical sample had a mean age of 64.1 years at baseline (SD=2.9) and 53% were women. Incident dementia was detected in 1762 participants (median follow-up time=8.0 years). High frailty was associated with increased dementia risk independently of genetic risk (HR 3.68, 95% CI 3.11 to 4.35). Frailty mediated 44% of the relationship between healthy lifestyle behaviours and dementia risk (indirect effect HR 0.95, 95% CI 0.95 to 0.96). Participants at high genetic risk and with high frailty had 5.8 times greater risk of incident dementia compared with those at low genetic risk and with low frailty (HR 5.81, 95% CI 4.01 to 8.42). Higher genetic risk was most influential in those with low frailty (HR 1.31, 95% CI 1.22 to 1.40) but not influential in those with high frailty (HR 1.09, 95% CI 0.92 to 1.28). CONCLUSION: Frailty is strongly associated with dementia risk and affects the risk attributable to genetic factors. Frailty should be considered an important modifiable risk factor for dementia and a target for dementia prevention strategies, even among people at high genetic risk.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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 ».