Individual socioeconomic status, neighborhood disadvantage, and cognitive aging: A longitudinal analysis of the <scp>CLSA</scp>
Notice bibliographique
Résumé
BACKGROUND: There are likely many contributors to variation in the rate of cognitive decline in middle and late adulthood, including individual and neighborhood socio-economic factors. This study examines whether individual socio-economic factors, namely income and wealth, correlate with cognitive decline, in part, through neighborhood-level social and material disadvantage. METHODS: Using the three waves of data collection from the Canadian Longitudinal Study on Aging (CLSA), this study included 51,338 participants between the age of 45 and 85 years at baseline (51% female). Individual socio-economic status (SES) was assessed by annual household income and by the current value of savings and investments. Neighborhood disadvantage was measured by area-based material and social deprivation indices. Cognition was measured at each wave using verbal fluency, mental alternations, and delayed word recall. Latent change score models, incorporating direct and indirect pathways, were constructed to estimate the indirect effect of individual SES on cognitive change through area-level disadvantage. Multi-group models were constructed on the basis of age-group (45-64 years; 65-74 years; or 75+ years) to allow for varying estimates across age. RESULTS: Among 45-64-year-olds, income and wealth had indirect effects on initial cognitive level and on rate of cognitive decline through material disadvantage (standardized indirect effects = 0.01, p < 0.001), but only wealth had an indirect effect through social disadvantage (p = 0.019). Among 65-74-year-olds, income and wealth had indirect effects on initial cognitive level (p < 0.01) but not on rate of cognitive decline (p > 0.05), and among 75+ year-olds, no indirect effects were observed (p > 0.05). Wealth and income had direct effects, independent of neighborhood disadvantage, on cognition in all age groups (p < 0.05). CONCLUSIONS: Among middle-aged adults, greater individual SES may mitigate cognitive decline, in part, by allowing individuals to live in more materially and socially advantaged neighborhoods.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».