Association Between the Number of Deliveries and Cognitive Impairment Considering the Presence of Subclinical Cerebrovascular Diseases: The Ohasama Study
Notice bibliographique
Résumé
Although the association between the number of deliveries and cognitive impairment has been previously examined, the influence of subclinical cerebrovascular diseases (SCDs), such as silent cerebrovascular lesions and carotid atherosclerosis, on this association remains unclear. This cross-sectional study aimed to examine whether SCDs mediated the association between the number of deliveries and cognitive impairment. Among 627 Japanese women with a mean age of 73 years, the number of deliveries was collected in the 1998 survey and classified into four groups (0-1, 2, 3, ≥ 4), with two deliveries as the reference. At the annual comprehensive medical examinations, cognitive function was assessed using the Mini-Mental State Examination (MMSE), and SCDs were evaluated using brain magnetic resonance imaging and ultrasonography. Each participant's latest data on these variables and covariates between 1992 and 2018 were used. MMSE scores were divided into three ordinal categories: ≥ 28 (normal), 24-27 (mild cognitive impairment; MCI), and ≤ 23 (severe cognitive impairment). Ordinal logistic regression models were used to estimate odds ratios (ORs) and 95% confidence intervals (CIs) for cognitive impairment. The ORs for cognitive impairment associated with the number of deliveries were 2.13 (95% CI, 1.21-3.76) in the lowest (0-1) group and 1.45 (0.95-2.23) in the highest (≥ 4) group. These association estimates remained similar after adjusting for SCDs but were weaker in the more recent birth year group. We demonstrated a U-shaped association between the number of deliveries and cognitive impairment, independent of SCDs, and the cohort effect confounded the association.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».