Accelerated aging mediates the associations of unhealthy lifestyles with cardiovascular disease, cancer, and mortality
Notice bibliographique
Résumé
BACKGROUND: With two well-validated aging measures capturing mortality and morbidity risk, this study examined whether and to what extent aging mediates the associations of unhealthy lifestyles with adverse health outcomes. METHODS: Data were from 405,944 adults (40-69 years) from UK Biobank (UKB) and 9972 adults (20-84 years) from the US National Health and Nutrition Examination Survey (NHANES). An unhealthy lifestyles score (range: 0-5) was constructed based on five factors (smoking, drinking, physical inactivity, unhealthy body mass index, and unhealthy diet). Two aging measures, Phenotypic Age Acceleration (PhenoAgeAccel) and Biological Age Acceleration (BioAgeAccel) were calculated using nine and seven blood biomarkers, respectively, with a higher value indicating the acceleration of aging. The outcomes included incident cardiovascular disease (CVD), incident cancer, and all-cause mortality in UKB; CVD mortality, cancer mortality, and all-cause mortality in NHANES. A general linear regression model, Cox proportional hazards model, and formal mediation analysis were performed. RESULTS: The unhealthy lifestyles score was positively associated with PhenoAgeAccel (UKB: β = 0.741; NHANES: β = 0.874, all p < 0.001). We further confirmed the respective associations of PhenoAgeAccel and unhealthy lifestyles with the outcomes in UKB and NHANES. The mediation proportion of PhenoAgeAccel in associations of unhealthy lifestyles with incident CVD, incident cancer, and all-cause mortality were 20.0%, 17.8%, and 26.6% (all p < 0.001) in UKB, respectively. Similar results were found in NHANES. The findings were robust when using another aging measure-BioAgeAccel. CONCLUSIONS: Accelerated aging partially mediated the associations of lifestyles with CVD, cancer, and mortality in UK and US populations. The findings reveal a novel pathway and the potential of geroprotective programs in mitigating health inequality in late life beyond lifestyle interventions.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».