THE ROLE OF COGNITIVE RESERVE IN PREDICTING COGNITIVE EFFICIENCY
Notice bibliographique
Résumé
Objectives. The objective of the study is to assess cognitive reserve and to investigate the role of age and educational instruction level in cognitive efficiency. Material and methods. All 146 participants, 105 women (72%), 41 men (28%), aged 60-96 years (M = 74.61, SD = 7.12), with primary to postgraduate studies (M = 3.08, SD = 1.54) completed the following test battery: questionnaire "Cognitive Reserve Index" (R-IRCq), Minimal Assessment of Cognitive Status-2 (MMSE-2) and Montreal Cognitive Assessment (MoCA). Results. The educational level as well as the total cognitive reserve index are significant predictors of cognitive efficiency measures. Age and total R-IRCq score cover 32% of MoCA variance. Age and educational level cover 36% of the MoCA variance (adjusted R² = 0.36, F(2.143) = 42.05, p < .001), age (B = - 0.08, β = - 0.27, t = - 3.77) and educational level (B = 0.62, β = 0.43, t = 5.90). Conclusions. An inverse correlation between age and cognitive efficiency has been identified: the older the age of participants, the lower the cognitive efficiency, the stronger the correlation when evaluated by MoCA. Both educational levels and total R-IRCq index partially mediated the effect of age on cognitive performance (MoCA). The assessment of cognitive reserve in older people could be a useful additional measure to integrate existing protocols for the neuropsychological assessment of cognitive decline. Cognitive reserve should also be recognized as a factor, which will influence the rate of cognitive decline after diagnosis. Keywords: MMSE-2, MoCA, cognitive reserve, education, cognitive decline.
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 | 0,003 | 0,022 |
| 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 | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».