Global rural health disparities in Alzheimer's disease and related dementias: State of the science
Notice bibliographique
Résumé
INTRODUCTION: Individuals living in rural communities are at heightened risk for Alzheimer's disease and related dementias (ADRD), which parallels other persistent place-based health disparities. Identifying multiple potentially modifiable risk factors specific to rural areas that contribute to ADRD is an essential first step in understanding the complex interplay between various barriers and facilitators. METHODS: An interdisciplinary, international group of ADRD researchers convened to address the overarching question of: "What can be done to begin minimizing the rural health disparities that contribute uniquely to ADRD?" In this state of the science appraisal, we explore what is known about the biological, behavioral, sociocultural, and environmental influences on ADRD disparities in rural settings. RESULTS: A range of individual, interpersonal, and community factors were identified, including strengths of rural residents in facilitating healthy aging lifestyle interventions. DISCUSSION: A location dynamics model and ADRD-focused future directions are offered for guiding rural practitioners, researchers, and policymakers in mitigating rural disparities. HIGHLIGHTS: Rural residents face heightened Alzheimer's disease and related dementia (ADRD) risks and burdens due to health disparities. Defining the unique rural barriers and facilitators to cognitive health yields insight. The strengths and resilience of rural residents can mitigate ADRD-related challenges. A novel "location dynamics" model guides assessment of rural-specific ADRD issues.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».