Reduced Epigenetic Age in Older Adults With High Sense of Purpose in Life
Notice bibliographique
Résumé
Psychosocial risk factors have been linked with accelerated epigenetic aging, but little is known about whether psychosocial resilience factors (eg, Sense of Purpose in Life) might reduce epigenetic age acceleration. In this study, we tested if older adults who experience high levels of Purpose might show reduced epigenetic age acceleration. We evaluated the relationship between Purpose and epigenetic age acceleration as measured by 13 DNA methylation (DNAm) "epigenetic clocks" assessed in 1 572 older adults from the Health and Retirement Study (mean age 70 years). We quantified the total association between Purpose and DNAm age acceleration as well as the extent to which that total association might be attributable to demographic factors, chronic disease, other psychosocial variables (eg, positive affect), and health-related behaviors (heavy drinking, smoking, physical activity, and body mass index [BMI]). Purpose in Life was associated with reduced epigenetic age acceleration across 4 "second-generation" DNAm clocks optimized for predicting health and longevity (false discovery rate [FDR] q < 0.0001: PhenoAge, GrimAge, Zhang epigenetic mortality index; FDR q < 0.05: DunedinPoAm). These associations were independent of demographic and psychosocial factors, but substantially attenuated after adjusting for health-related behaviors (drinking, smoking, physical activity, and BMI). Purpose showed no significant association with 9 "first-generation" DNAm epigenetic clocks trained on chronological age. Older adults with greater Purpose in Life show "younger" DNAm epigenetic age acceleration. These results may be due in part to associated differences in health-related behaviors. Results suggest new opportunities to reduce biological age acceleration by enhancing Purpose and its behavioral sequelae in late adulthood.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».