Association of step counts with cognitive function in apparently healthy middle-aged and older Japanese men
Notice bibliographique
Résumé
Background: Increasing physical activity may prevent cognitive decline. Previous studies primarily focused on older adults and used self-reported questionnaires to assess physical activity. We examined the relationship between step count, an objective measure of physical activity, and cognitive function in community-based middle-aged and older Japanese men. Methods: The Shiga Epidemiological Study of Subclinical Atherosclerosis randomly recruited community-dwelling healthy men aged 40-79 years from Shiga, Japan, and measured their step counts over 7 consecutive days using a pedometer at baseline (2006-2008). Among men who returned for follow-up (2009-2014), we assessed their cognitive function using the Cognitive Abilities Screening Instrument (CASI) score. We restricted our analyses to those with valid 7-day average step counts at baseline and those who remained free of stroke at follow-up (n = 676). Using analysis of covariance, we calculated the adjusted means of the CASI score according to the quartiles of the average step counts. Results: The mean (standard deviation) of age and unadjusted CASI score were 63.8 (9.1) years and 90.8 (5.8), respectively. The CASI score was elevated in higher quartiles of step counts (90.2, 90.4, 90.6, and 91.8 from the lowest to the highest quartile, respectively, [p for trend = 0.004]) in a model adjusted for age and education. Further adjustment for smoking, drinking, and other cardiovascular risk factors resulted in a similar pattern of association (p for trend = 0.005). Conclusion: In apparently healthy middle-aged and older Japanese men, a greater 7-day average step count at baseline was associated with significantly higher cognitive function score.
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 | 0,001 | 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 ».