Inflammatory biomarkers and motoric cognitive risk syndrome: Multicohort survey
Notice bibliographique
Résumé
Background: Inflammation may play a role in Motoric Cognitive Risk (MCR) syndrome, a pre-dementia syndrome comprised of slow gait and cognitive complaints. Our objective was to examine associations of inflammatory biomarkers with MCR. Methods: We examined association of interleukin-6 (IL-6) and C-reactive protein (CRP) with prevalent MCR using logistic regression in 3,101 older adults (52% female) from five cohorts (National Center for Geriatrics & Gerontology Study of Geriatric Syndromes [NCGG-SGS], Central Control of Mobility in Aging [CCMA], Tasmanian Study of Cognition and Gait [TASCOG], LonGenity, and Einstein Aging Study [EAS]). Associations were reported as odds ratios adjusted for sex, age, education, depressive symptoms, body mass index, and vascular diseases (aOR) with 95% confidence intervals (CI). Meta-analysis and analyses stratified by vascular disease were also done. Results: Although associations between higher (worse) CRP and IL-6 tertiles and MCR were only seen in three out of the five cohorts (EAS, TASCOG, and LonGenity), when a pooled meta-analysis was performed, a robust association was demonstrated. In meta-analysis, highest tertiles of IL-6 (aOR 1.57, 95%CI 1.01- 2.44) and CRP (aOR 1.65, 95%CI 1.09-2.48) was associated with MCR versus lowest tertiles in the pooled sample. Higher CRP was associated with MCR among those with vascular disease in TASCOG and LonGenity cohorts, and among those without vascular disease in EAS. Conclusions: IL-6 and CRP levels are associated with MCR in older adults, and this association varies by presence of vascular disease.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 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 ».