Prevalence, Clinical Correlates, Cognitive Trajectories, and Dementia Risk Associated With Mild Behavioral Impairment in Asians
Notice bibliographique
Résumé
Objective: Mild behavioral impairment (MBI) is characterized as later-life–emergent and persistent neuropsychiatric symptoms (NPS). The symptom persistence criterion of MBI has shown to increase the signal-to-noise ratio of the syndrome, decreasing the likelihood of false-positive NPS. However, the long-term cognitive and prognostic impact of MBI remains to be evaluated against the traditional framework of NPS, especially in Asian cohorts. This study investigated the epidemiologic characteristics of MBI in a prospective clinical cohort of Singaporean elderly. Methods: A total of 304 dementia-free individuals (mean age = 72.2 years, 51.6% female) were recruited between August 2010 and October 2019. All participants underwent annual neuropsychological, neuropsychiatric, and clinical assessments for 4 consecutive years and were diagnosed as having no cognitive impairment (NCI) or cognitive impairment–no dementia (CIND). MBI was ascertained using both baseline and year-1 Neuropsychiatric Inventory assessments. Cognitive Z-scores and Clinical Dementia Rating Sum-of-Boxes (CDR-SoB) scores were calculated. Results: The prevalence of MBI was 14.5% (7.1% of NCI, 12.9% of CIND-mild, and 24.7% of CIND-moderate patients). MBI patients showed poorer cognitive function at baseline (F1,295 = 8.13 , P = .005), primarily in memory and executive function domains. MBI was associated with accelerated decline in global cognition (β = –0.15; 95% CI, −0.23 to −0.07) along with faster increase in CDR-SoB (β = 0.92; 95% CI, 0.62 to 1.21) as compared to individuals without symptoms or transient NPS. A total of 38.6% of MBI patients developed dementia as compared to 12.3% of non-MBI elderly (χ2 = 19.29, P < .001). MBI increased risk of incident dementia by 2.56-fold as compared to no symptoms or transient NPS, regardless of cognitive impairment. Conclusions: MBI is a neurobehavioral risk factor for dementia, representing a potential target for dementia risk modeling, preventive intervention, and disease management.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».