MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312086202 · doi:10.1002/alz.068217

Allostatic load and the influence of economic adversity and neighborhood disadvantage on cognitive function in a multiethnic cohort

2022· article· en· W4312086202 sur OpenAlexaboutno aff
Anthony Longoria, Zabecca Brinson, Anne R. Carlew, C. Munro Cullum, James A. de Lemos, William Goette, Laura H. Lacritz, Heidi Rossetti

Notice bibliographique

RevueAlzheimer s & Dementia · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGerontologyEthnic groupDisadvantagePsychologyDementiaCognitionAllostatic loadCohortDemographyMedicineDiseasePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background Previous research has demonstrated a link between objective socio‐economic indicators and cognitive test performance. Although some studies include subjective indicators, such as perceived neighborhood environment, little is known about which specific factors are most strongly associated with cognitive performance and whether these measures are useful beyond traditional SES proxies. Further, in addition to being disproportionately at risk of experiencing neighborhood disadvantage and lower SES, racial/ethnic minorities are more likely to be diagnosed with dementia and receive less timely care compared with White individuals. This study aims to investigate how perceived neighborhood environment and neighborhood disadvantage are related to cognitive performance within a large diverse sample. Method A probability‐based sample of participants (N = 3858; Female = 59%; Black = 51%; Hispanic = 14%) from the Dallas Heart Study Phase 2 (DHS‐2; Mean: Age = 50, Education = 13) were administered the Montreal Cognitive Assessment (MoCA), in addition to measures of perceptions of neighborhood physical environment and violence, and perceived SES. Multiple regression was used to determine associations of these variables with MoCA scores relative to traditional SES measures (i.e., income, education), controlling for demographic and relevant health factors. Post‐hoc analyses stratified by racial/ethnic group were conducted to determine whether indicators differentially influenced test scores. Result After controlling for socio‐demographic and health factors, reporting lower quality neighborhood resources and difficulty paying for “very basics like food and heating” and “medical care” were associated with lower MoCA scores in the overall sample. Post‐hoc analyses revealed significant relationships between MoCA scores and quality of neighborhood resources, “food and heating,” and “medical care” only in Black participants, while “violence” was significantly associated with lower MoCA scores in Hispanics. There were no significant relationships found in Whites. Overall, subjective measures of SES and neighborhood environment contributed modest variance in the overall model, specifically for Black and Hispanic participants (R 2 = 3% to 5%). Conclusion Experiencing neighborhood and economic adversity was associated with lower scores on a cognitive screening measure and accounted for more variance than income or education in Black individuals and income in Hispanic individuals, while no relationship was seen in White participants. Future research is needed to determine whether these allostatic stressors influence cognitive impairment or dementia later in life.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,298
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetHealth disparities and outcomes→Travaux en français237 207→