The longitudinal relationship between hearing loss and cognitive decline in tonal language-speaking older adults in China
Notice bibliographique
Résumé
Introduction: Previous longitudinal studies indicate that hearing loss and cognitive impairment are associated in non-tonal language-speaking older adults. This study aimed to investigate whether there is a longitudinal association between hearing loss and cognitive decline in older adults who speak a tonal language. Methods: Chinese-speaking older adults aged 60 years and above were recruited for baseline and 12 month follow-up measurements. All participants completed a pure tone audiometric hearing test, Hearing Impaired-Montreal Cognitive Assessment Test (HI-MoCA), and a Computerized Neuropsychological Test Battery (CANTAB). The De Jong Gierveld Loneliness Scale was used to measure loneliness, and the 21-item Depression Anxiety Stress Scale (DASS-21) was used to measure aspects of mental health. Associations between baseline hearing loss and various cognitive, mental and psychosocial measures were evaluated using logistic regression. Results: A total of 71 (29.6%) of the participants had normal hearing, 70 (29.2%) had mild hearing loss, and 99 (41.2%) had moderate or severe hearing loss at baseline, based on mean hearing thresholds in the better ear. After adjusting for demographic and other factors, baseline moderate/severe audiometric hearing loss was associated with an increased risk of cognitive impairment at follow-up (OR: 2.20, 95% CI: 1.06, 4.50). When pure-tone average (PTA) was modeled continuously, an average difference of 0.24 in HI-MoCA scores for every 10 dB increase in BE4FA existed, and an average difference of 0.07 in the change of HI-MoCA scores in a 12 month period. Discussion: The results revealed a significant longitudinal relationship between age-related hearing loss and cognitive decline in this cohort of tonal language-speaking older adults. Steps should also be taken to incorporate hearing assessment and cognitive screening in clinical protocols for older adults 60 years and above in both hearing and memory clinics.
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 | 0,001 |
| 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 ».