Relationship between the cognitive status of the long-living adults of the Central Federal District of the Russian Federation and socioeconomic factors: analysis of associations
Notice bibliographique
Résumé
Background: In recent years, an increase in the number of long-living adults has been a dominant demographic trend in Russia. This population group is highly susceptible to cognitive dysfunctions. Cognitive impairment disrupts the lives of those affected and puts an immense burden on their caregivers. Currently, there are no clinically applicable therapies or prevention strategies for cognitive impairment. Therefore, it is critically important to determine which lifestyle factors contribute to cognitive decline and to develop well-informed preventive strategies. The aim of the study: The study sought to identify the association between cognitive status and lifestyle. Materials and methods: The participants (n=2762) were recruited from 2019 to 2021 from the central regions of Russia. Detailed medical/case histories were obtained, including marital status, education, and social and economic background. Mini-Mental State Examination (MMSE) was used to evaluate cognitive status. The Mann-Whitney U test and Chi-squared test were used to test the associations between the sex and the factors under study. Logistic regression was used to assess the associations between the factors and cognitive impairment. Results: Age, sex, lower levels of education, and lower income were risk factors of cognitive impairment. Engaging in physical activity, hobbies, and having a pet were protective against cognitive impairment. In women, cognitive dysfunctions were correlated with the duration of menopause. The predictive model for cognitive dysfunctions based on sex, lifestyle and socioeconomic factors generated (ROC AUC=0.687). Conclusion: The findings confirmed that cognitive dysfunctions in long-living adults were associated with the socioeconomic factors, marital status, and lifestyle. The proposed model makes it possible to assess in advance the risk of developing cognitive impairments in old age and take measures to correct lifestyle to preserve brain functions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».