A.2 Understanding Grit in healthy older adults at-risk for Alzheimer’s disease
Notice bibliographique
Résumé
Background: Adherence to healthy lifestyle behaviours or to prescribed medication requires perseverance with stamina, and this is captured by Grit, a non-cognitive trait defined as perseverance and passion for long-term goals. Despite predicting cognitive decline and physical, emotional, and social functioning, Grit remains poorly understood and its neural substrates are unknown in cognitive aging. Methods: Ninety-five cognitively unimpaired older adults with a family history of Alzheimer’s disease were recruited through the PREVENT-AD longitudinal cohort. Participants completed tests that assess grit and conscientiousness and underwent resting-state functional magnetic resonance imaging (fMRI). Multivariate pattern analyses (MVPA), a rigorous data-driven whole-brain approach, were used to examine if resting-state functional connectivity of connectome-wide voxels were associated with grit scores, controlling for age, sex, APOE ε4 carriership, mean displacement, and conscientiousness. Results: Our analyses identified two large (≥54 voxels) and statistically significant (p<0.01 corrected for family-wise error) clusters in the right ventrolateral prefrontal cortex and the left orbitofrontal cortex underlying grit. Conclusions: Being the first to identify functional neural correlates supporting grit in the aging population while accounting for the variance of conscientiousness, our study provides unique insights into the construct which has important applications in adherence to clinical and empirical neurological interventions as well as in successful aging.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».