Premorbid personality traits as predictors for incident predementia syndromes: a multistate model approach
Notice bibliographique
Résumé
OBJECTIVE: Associations have been found between five-factor model (FFM) personality traits and risk of developing specific predementia syndromes such as subjective cognitive decline (SCD) and mild cognitive impairment (MCI). The aims of this study were to: 1) Compare baseline FFM traits between participants who transitioned from healthy cognition or SCD to amnestic MCI (aMCI) versus non-amnestic MCI (naMCI); and 2) Determine the relationship between FFM traits and risk of transition between predementia cognitive states. METHODS: Participants were 562 older adults from the Einstein Aging Study, 378 of which had at least one follow-up assessment. Baseline data collected included levels of FFM personality traits, anxiety and depressive symptoms, medical history, performance on a cognitive battery, and demographics. Follow-up cognitive diagnoses were also recorded. RESULTS: Mann-Whitney U tests revealed no differences in baseline levels of FFM personality traits between participants who developed aMCI compared to those who developed naMCI. A four-state multistate Markov model revealed that higher levels of conscientiousness were protective against developing SCD while higher levels of neuroticism resulted in an increased risk of developing SCD. Further, higher levels of extraversion were protective against developing naMCI. CONCLUSIONS: FFM personality traits may be useful in improving predictions of who is at greatest risk for developing specific predementia syndromes. Information on these personality traits could enrich clinical trials by permitting trials to target individuals who are at greatest risk for developing specific forms of cognitive impairment. These results should be replicated in future studies with larger sample sizes and younger participants.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».