Profiles of modifiable dementia risk factors in later midlife: a latent class analysis
Notice bibliographique
Résumé
Abstract Background In 2020, the Lancet Commission identified 12 modifiable risk factors that may increase dementia risk at the population level. At the individual level, these risk factors may co‐occur; therefore, this study aimed to identify profiles of dementia risk factors in later midlife, and to explore differences in biological markers associated with those profiles. Methods Participants aged 60‐64 without dementia at baseline and who identified as Caucasian were identified from the UK Biobank. Data for each risk factor (education, hearing loss, traumatic brain injury, hypertension, alcohol consumption, obesity, smoking, depression, social isolation, physical inactivity, air pollution, and diabetes) were collected using a standardized clinical assessment or through linkage of inpatient records. Latent class analysis was performed to identify latent classes of individuals; missing data were handled using full information maximum likelihood. A multigroup analysis was used to consider differences by self‐reported sex. Associations between the classes and a panel of 29 blood biomarkers across six broad categories (hormonal, inflammatory, kidney, liver, lipids, and metabolic) were explored using the Bolck, Croon, and Hagenaars (BCH) method, considering sex and controlling for age; pairwise comparisons between classes were made using z‐tests. Results Among n = 117,275 participants (males: n = 53,426, females: n = 63,849), a 4‐class solution was identified based on model fit statistics. Invariance testing revealed significantly different class solutions between sexes (Δχ2 = 11,615, Δdf = 52, p < 0.001). In general, the following four groups were identified in both males and females: low risk, psychosocial risk, cardiometabolic risk, and risk related to substance use (Figure 1). These classes differed in their blood biomarkers in both males and females, with the greatest differences observed in females. Specifically, the largest differences were observed between the cardiometabolic risk class vs. other classes, and in biomarkers for inflammation and metabolism (e.g. c‐reactive protein, triglyceride:HDL cholesterol ratio). Conclusion In both males and females in later midlife, four classes defined by modifiable dementia risk factors were identified. These profiles were associated with unique biomarker signatures. might further examine the effects of these risk factor profiles on dementia‐related pathophysiological changes.
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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».