The Relationship Between Successful Aging and All-Cause Mortality Risk in Older Adults: A Systematic Review and Meta-Analysis of Cohort Studies
Notice bibliographique
Résumé
Background This meta-analysis aimed to explore the effect of successful aging (SA) on all-cause mortality risk in older people to provide a theoretical basis for promoting SA. Methods PubMed, Embase, CINAHL, CNKI, and WanFang databases (inception to March 4, 2021) were searched for cohort studies to evaluate the relationship between SA and mortality in older people. A random-effects model was used to synthesis hazard ratio and 95% confidence intervals. Quality assessment was performed using the Newcastle–Ottawa scale. All statistical analyses were conducted in STATA 16.0. Results In total, 21,158 older adults from 10 studies were included in the current systematic review and meta-analysis. The SA group tended to have 50% lower risk of all-cause mortality than the non-SA group (pooled hazard ratio = 0.50, 95% confidence intervals: 0.35–0.65, P < 0.001; I 2 = 58.3%). The risk of all-cause mortality in older people increased by 17% for each unit increment in the healthy aging index (HAI) ( I 2 = 0%, P = 0.964). Compared with the reference group (HAI 0-2), older people with HAI 3-4, HAI 5-6, and HAI 7-10 had 1.31-fold, 1.73-fold, and 2.58-fold greater risk of all-cause mortality, respectively. Subgroup analysis did not reveal possible sources of heterogeneity. Conclusions This meta-analysis suggests that older adults with SA reduced the risk of all-cause mortality by 50%. However, few interventional studies have been conducted. Therefore, healthcare providers must be aware of the relationship between SA and mortality risk and actively develop intervention methods for helping old people achieve SA.
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 | 0,013 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».