Associations between plasma metal elements and risk of cognitive impairment among Chinese older adults
Notice bibliographique
Résumé
Background The relationship between plasma metal elements and cognitive function is unclear, especially in extremely older individuals. This present study aimed to explore the association between plasma metal concentrations and the risk of cognitive impairment (CI) in Chinese extremely older adults. Methods Individuals aged ≥90 years with plasm metal concentration data from the fifth wave of the 2008 Chinese Longitudinal Healthy Longevity Survey were included. Plasma selenium (Se), manganese (Mn), magnesium (Mg), calcium (Ca), iron (Fe), copper (Cu), and zinc (Zn) concentrations were measured using inductively coupled plasma optical emission spectroscopy. Cognitive function was assessed by the Chinese version of the mini-mental state examination. Results The study enrolled 408 participants. Participants with CI had significantly lower plasma Se, Mn, and Fe levels and higher Ca levels than those with normal cognitive function ( p < 0.05). Plasma Se, Mn, Ca, and Fe concentrations were significantly associated with CI risk in both single- and multiple-element logistic regression models. Additionally, the multiple-element model results showed that the adjusted odds ratios for CI were 0.042 (95% confidence interval 0.016–0.109), 0.106 (0.044–0.255), 7.629 (3.211–18.124) and 0.092 (0.036–0.233) for the highest quartiles compared to the lowest quartiles of Se, Mn, Ca, and Fe, respectively. Moreover, subgroup analyses by age, sex, and body mass index suggested a consistent significant correlation ( p < 0.05). Conclusion Therefore, decreased plasma Se, Mn, and Fe and increased plasma Ca levels were associated with CI risk in Chinese older adults. These findings are of great significance for the development of programs to delay cognitive decline in the elderly.
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 | 0,001 |
| 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 ».