THE IMPORTANCE OF PERSONALITY TRAITS FOR COGNITIVE HEALTHSPAN
Notice bibliographique
Résumé
Abstract The existing literature consistently finds that personality traits are associated with dementia and with risk of mortality. However, few studies have simultaneously examined the impact of traits on dementia while accounting for death as a competing risk, which is critical as dementia and mortality are dependent outcomes and the likelihood of each increases alongside older age. In response, data were drawn from the Rush Memory and Aging Project (N=1954; baseline mean age=80 years; 74% female; up to 23 annual assessments). We used multi-state survival models to investigate whether traits (conscientiousness, extraversion, and neuroticism) were associated with transitions between cognitive status categories (No Cognitive Impairment, NCI; Mild Cognitive Impairment, MCI; dementia) and death. Further, multinomial regression models estimated cognitive healthspan (i.e., years without cognitive impairment) and total longevity. Adjusting for demographics, depressive symptoms, and APOEε4, personality traits were most important in the transition from NCI to MCI; higher conscientiousness was associated with a ~22% decreased risk of transitioning from NCI to MCI (HR=0.78, 95%CI=0.72, 0.85), whereas higher neuroticism was associated with a ~12% increased risk of transitioning from NCI to MCI (HR=1.12, 95%CI=1.04, 1.21). Life expectancy analyses suggested that participants who were higher in conscientiousness were estimated to live longer without cognitive impairment compared to individuals lower in conscientiousness. Findings were similar, though less pronounced, for individuals higher in extraversion or lower in neuroticism. Importantly, none of the traits appeared to be important for total longevity. Together, these results highlight the importance of personality traits, particularly conscientiousness, for maximizing cognitive healthspan.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».