MétaCan
Menu
Retour à la cohorte
Enregistrement W4392001972 · doi:10.3389/fnagi.2024.1335336

Revised Temperament and Character Inventory factors predict neuropsychiatric symptoms and aging-related cognitive decline across 25 years

2024· article· en· W4392001972 sur OpenAlexafffund
Lucas Ronat, Michael Rönnlund, Rolf Adolfsson, Alexandru Hanganu, Sara Pudas

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2024
Typearticle
Langueen
DomainePsychology
ThématiquePersonality Disorders and Psychopathology
Établissements canadiensUniversité de MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesParkinson CanadaFonds de Recherche du Québec - SantéVetenskapsrådet
Mots-clésTemperamentTemperament and Character InventoryCognitive agingPsychologyCognitionCognitive declineCharacter (mathematics)Clinical psychologyPsychiatryDevelopmental psychologyGerontologyMedicineDementiaPersonalityPsychoanalysisInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Introduction Personality traits and neuropsychiatric symptoms such as neuroticism and depression share genetic overlap and have both been identified as risks factors for development of aging-related neurocognitive decline and Alzheimer’s disease (AD). This study aimed to examine revised personality factors derived from the Temperament and Character Inventory, previously shown to be associated with psychiatric disorders, as predictors of neuropsychiatric, cognitive, and brain trajectories of participants from a population-based aging study. Methods Mixed-effect linear regression analyses were conducted on data for the full sample (Nmax = 1,286), and a healthy subsample not converting to AD-dementia during 25-year follow-up (Nmax = 1,145), complemented with Cox proportional regression models to determine risk factors for conversion to clinical AD. Results Two personality factors, Closeness to Experience (CE: avoidance of new stimuli, high anxiety, pessimistic anticipation, low reward seeking) and Tendence to Liabilities (TL: inability to change, low autonomy, unaware of the value of their existence) were associated with higher levels of depressive symptoms, stress (CE), sleep disturbance (TL), as well as greater decline in memory, vocabulary and verbal fluency in the full sample. Higher CE was additionally associated with greater memory decline across 25 years in the healthy subsample, and faster right hippocampal volume reduction across 8 years in a neuroimaging subsample (N = 216). Most, but not all, personality-cognition associations persisted after controlling for diabetes, hypertension and cardiovascular disease. Concerning risks for conversion to AD, higher age, and APOE-ε4, but none of the personality measures, were significant predictors. Conclusion The results indicate that personality traits associated with psychiatric symptoms predict accelerated age-related neurocognitive declines even in the absence of neurodegenerative disease. The attenuation of some personality effects on cognition after adjustment for health indicators suggests that those effects may be partly mediated by somatic health. Taken together, the results further emphasize the importance of personality traits in neurocognitive aging and underscore the need for an integrative (biopsychosocial) perspective of normal and pathological age-related cognitive decline.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,307
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetPersonality Disorders and PsychopathologyTravaux en français237 207