DOES AGEISM ACCELERATE BIOLOGICAL AGING
Notice bibliographique
Résumé
Abstract Defined as, “stereotype, prejudice, and discrimination directly towards people because of their age”, ageism may contribute to adverse health outcomes, accelerate aging process, and increase the burden on health and social services. Little is known about the ageism impact on biological aging. Secondary analysis of the American Health and Retirement Study (2012 and 2016 waves) was carried out. Participants were asked: the self-perception of aging (SPA), the causes of receiving discrimination, including ageism as one of the causes, and the frequency of receiving such discrimination. The aging rate was measured using two distinct measurements: homeostatic dysregulation (using Mahalanobis distance on 44 biomarkers, n= 9934, 2016 wave) and epigenetic aging clocks (n=4018, 2016 wave). The influence of perceived ageism (current or previous waves) on the aging rate was modelled with linear models using biological aging (aka. homeostatic dysregulation and epigenetic age) as the dependent variable (outcome), ageism as the exposure, with considering confounders: sex, depressive symptom. The results show that more negative SPA, either from the previous (2012) or the same wave (2016), is associated with elevated homeostatic dysregulation (e.g. the slope increases from 1.20 to 1.34, p< 0.001, previous wave) and increasing epigenetic age (e.g. DNAm PhenoAge, the slope increases from 53.81 to 61.14, p< 0.001, current wave). The association between the ageism receiving frequency and biological aging is similar but less significant. The results demonstrate that ageism is associated with accelerated biological aging. More interventions are called to combat ageism and foster the health and wellbeing of the older adults.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».