Dietary Patterns Are Associated With Multi-Dimensional Cognitive Functions Among Adults Aged 55 and Older in China
Notice bibliographique
Résumé
Background The intake of certain food and nutrients may play a crucial role in cognitive health. However, research on the relationship between dietary patterns and cognitive function is limited. This study aims to investigate the associations between dietary patterns and multi-dimensional cognitive functions, such as global cognitive status and related domain profiles, mild cognitive impairment (MCI), and four major subtypes of Chinese adults. Methods Using the baseline data from the Community-based Cohort Study on Nervous System Diseases (2018–2019), we selected 4,309 Chinese adults aged 55 years and older as subjects with complete diet, cognition, and other related data. We collected food data for the past 12 months with a valid semi-quantitative food frequency questionnaire. Diving 49 food items into 13 subgroups, we used factor analysis to derive the main dietary patterns. We evaluated cognitive functions based on the scores of the Montreal Cognitive Assessment (MoCA) and used quantile regression and multivariable logistic regression to examine the relationship between dietary patterns and cognitive-related outcomes. Results We identified four dietary patterns, explaining 50.11% of the total variance: “meat-preferred” pattern, “plant-preferred” pattern, “eggs- and dairy-preferred” pattern, and “grain-preferred” pattern. After adjusting for all potential confounders, the “meat-preferred” pattern and the “plant-preferred” pattern were associated with higher scores of global cognition and several cognitive domains (p <0.05), while the “grain-preferred” pattern was associated with lower scores of global cognition (β = −0.36, p <0.05), execution (β = −0.19, p <0.05), visuospatial (β = −0.09, p <0.05), and language (β = −0.05, p <0.05). Adults adhering to the “meat-preferred” pattern and the “plant-preferred” pattern had decreased odds of MCI and some MCI subtypes (p-trend <0.05); in contrast, those in the top quartiles of the “grain-preferred” pattern had increased odds of MCI [adjusted odds ratio (AOR) = 1.34, 95% CI: 1.11–1.63, p-trend = 0.003]. Conclusions Adhering to the “plant-preferred” pattern and the “meat-preferred” pattern may help improve the multi-dimensional cognitive functions; on the contrary, adhering to the “grain-preferred” pattern may worse cognitive health. More prospective studies in this field are needed to strengthen the evidence.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 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 ».