Remote Assessment of Cardiovascular Risk Factors and Cognition in Middle-Aged and Older Adults: Proof-of-Concept Study
Notice bibliographique
Résumé
BACKGROUND: Adults with cardiovascular disease risk factors (CVRFs) are also at increased risk of developing cognitive decline and dementia. However, it is often difficult to study the relationships between CVRFs and cognitive function because cognitive assessment typically requires time-consuming in-person neuropsychological evaluations that may not be feasible for real-world situations. OBJECTIVE: We conducted a proof-of-concept study to determine if the association between CVRFs and cognitive function could be detected using web-based, self-administered cognitive tasks and CVRF assessment. METHODS: We recruited 239 participants aged ≥50 years (mean age 62.7 years, SD 8.8; 42.7% [n=102] female, 88.7% [n=212] White) who were enrolled in the Health eHeart Study, a web-based platform focused on cardiac disease. The participants self-reported CVRFs (hypertension, high cholesterol, diabetes, and atrial fibrillation) using web-based health surveys between August 2016 and July 2018. After an average of 3 years of follow-up, we remotely evaluated episodic memory, working memory, and executive function via the web-based Posit Science platform, BrainHQ. Raw data were normalized and averaged into 3 domain scores. We used linear regression models to examine the association between CVRFs and cognitive function. RESULTS: CVRF prevalence was 62.8% (n=150) for high cholesterol, 45.2% (n=108) for hypertension, 10.9% (n=26) for atrial fibrillation, and 7.5% (n=18) for diabetes. In multivariable models, atrial fibrillation was associated with worse working memory (β=-.51, 95% CI -0.91 to -0.11) and worse episodic memory (β=-.31, 95% CI -0.59 to -0.04); hypertension was associated with worse episodic memory (β=-.27, 95% CI -0.44 to -0.11). Diabetes and high cholesterol were not associated with cognitive performance. CONCLUSIONS: Self-administered web-based tools can be used to detect both CVRFs and cognitive health. We observed that atrial fibrillation and hypertension were associated with worse cognitive function even in those in their 60s and 70s. The potential of mobile assessments to detect risk factors for cognitive aging merits further investigation.
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 | 0,012 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».