Examining the Role of Neuroticism Polygenic Risk in Late Life Cognitive Change: A UK Biobank Study
Notice bibliographique
Résumé
Cognitive decline is a public health concern affecting about 50 million individuals worldwide. Neuroticism, defined as the trait disposition to experience intense and frequent negative emotions, has been associated with an increased risk of late-life cognitive decline. However, the underlying biological mechanisms of this association remain unknown. This study investigated the relationship between genetic predisposition to neuroticism, computed by polygenic risk score (PRS), and performance in cognitive domains of reasoning, processing speed, visual attention, and memory in individuals over age 60. The sample consisted of UK Biobank participants with genetic and cognitive data available (N = 10,737, 4686 females; mean age = 63.4 ± 2.71). The cognitive domains were assessed at baseline for all participants and seven years later for a subset (N = 645, 262 females; mean age = 62.9 ± 2.44). Neuroticism PRS was not associated cross-sectionally with cognitive measures (p > 0.05). However, the trajectory of change for processing speed (β = 0.020; 95% CI = [0.006, 0.035], adjusted p = 0.0148), visual attention (β = −0.077; 95% CI = [−0.0985, −0.0553], adjusted p = 1.412 × 10−11), and memory (β = −0.033; 95% CI = [−0.0535, −0.0131], adjusted p = 0.005) was significantly associated with neuroticism PRS. Specifically, a higher genetic predisposition to neuroticism was associated with less decline in these cognitive domains. This trend persisted after sensitivity analysis using complete cases, although it only remained nominally significant for visual attention.
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 ».