African-American Race Predicts 1-Year Cognitive Decline Among Adults Without Moderate Dementia
Notice bibliographique
Résumé
Abstract Previous literature shows conflicting conclusions about the association between race and cognitive decline, particularly in early impairment. In this study, we aimed to test whether race predicted 1-year change in Montreal Cognitive Assessment (MoCA) score among older adults without moderate-severe dementia. We secondarily explored whether multimorbidity, polypharmacy, depressed mood, antidepressant use, body composition, or frailty changed the association. We analyzed data (n=122) from predominantly African American (AfA, 78.7%) community-dwelling older adults from the south side of Chicago. Participants underwent baseline and 1-year MoCA testing. Age, gender, race, education, monthly income, co-morbidities (Charlson Comorbidity Index), medication use (<5 vs ≥5), depression (PHQ-2), proportion lean mass (DEXA), and the frailty phenotype (range 0-5) were collected at baseline. In a multivariate linear model, we regressed 1-year MoCA score on baseline MoCA score, race, and demographics and then evaluated the impact of each covariate added separately to the model on the race-cognition relationship. The mean MoCA score at baseline was 25.2+/-0.2 (range 18-30) and 41.0% of participants experienced ≥1 point MoCA decline at 1 year. After adjusting for demographics, AfAs experienced a greater 1-year MoCA decline (β= -1.3, p=0.04) compared to other races. The effect size was unchanged after adjusting for multimorbidity and polypharmacy (β= -1.3, p=0.04), attenuated slightly after adjusting for frailty (β= -1.2, p=0.06), depressed mood (β= -1.2, p=0.05), lean mass (β= -1.2, p=0.04), and attenuated notably after adjusting for antidepressant use (β= -1.0, p=0.11). Findings support the need to further explore racial differences in cognitive decline and potentially related anti-depressant underuse.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».