Longitudinal Associations Between Mild Behavioral Impairment, Sleep Disturbance, and Progression to Dementia
Notice bibliographique
Résumé
Background: Clinical guidelines recommend incorporating non-cognitive markers like mild behavioral impairment (MBI) and sleep disturbance (SD) into dementia screening to improve detection. Objective: We investigated the longitudinal associations between MBI, SD, and incident dementia. Methods: Participant data were from the National Alzheimer’s Coordinating Center in the United States. MBI was derived from the Neuropsychiatric Inventory Questionnaire (NPI-Q) using a published algorithm. SD was determined using the NPI-Q nighttime behaviors item. Cox proportional hazard regressions with time-dependant variables for MBI, SD, and cognitive diagnosis were used to model associations between baseline 1) MBI and incident SD ( n = 11,277); 2) SD and incident MBI ( n = 10,535); 3) MBI with concurrent SD and incident dementia ( n = 13,544); and 4) MBI without concurrent SD and incident dementia ( n = 11,921). Models were adjusted for first-visit age, sex, education, cognitive diagnosis, race, and for multiple comparisons using the Benjamini-Hochberg method. Results: The rate of developing SD was 3.1-fold higher in older adults with MBI at baseline compared to those without MBI (95% CI: 2.8–3.3). The rate of developing MBI was 1.5-fold higher in older adults with baseline SD than those without SD (95% CI: 1.3–1.8). The rate of developing dementia was 2.2-fold greater in older adults with both MBI and SD, as opposed to SD alone (95% CI:1.9–2.6). Conclusions: There is a bidirectional relationship between MBI and SD. Older adults with SD develop dementia at higher rates when co-occurring with MBI. Future studies should explore the mechanisms underlying these relationships, and dementia screening may be improved by assessing for both MBI and SD.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».