Assessing how Age, Sex, Race, and Education Affect the Relationships Between Cognitive Domains and Odor Identification
Notice bibliographique
Résumé
BACKGROUND: The associations between cognitive domains and odor identification are well established, but how sociodemographic variables affect these relationships is less clear. PURPOSE: Using the survey-adapted Montreal Cognitive Assessment instrument (MoCA-SA), we assess how age, sex, race, and education shape these relationships. METHODS: We first used cluster analysis and multidimensional scaling to empirically derive distinct cognitive domains from the MoCA-SA as it is unclear whether the MoCA-SA can be disaggregated into cognitive domains. We then used ordinal logistic regression to test whether these empirically derived cognitive domains were associated with odor identification and how sociodemographic variables modified these relationships. STUDY POPULATION: Nationally representative sample of community-dwelling US older adults. RESULTS: We identified 5 out of the 6 theoretical cognitive domains, with the language domain unable to be identified. Odor identification was associated with episodic memory, visuospatial ability, and executive function. Stratified analyses by sociodemographic variables reveal that the associations between some of the cognitive domains and odor identification varied by age, sex, or race, but not by education. CONCLUSIONS: These results suggest that (1) the MoCA-SA can be used to identify cognitive domains in survey research and (2) the performance of smell tests as a screener for cognitive decline may potentially be weaker in certain subpopulations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».