MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406030177 · doi:10.1002/alz.092052

Cognitive and behavioral decline predicted by perimenopausal symptoms: A CAN‐PROTECT study

2024· article· en· W4406030177 sur OpenAlexaffabout
Jasper F. E. Crockford, Dylan X. Guan, Gillian Einstein, Eric E. Smith, Zahinoor Ismail

Notice bibliographique

RevueAlzheimer s & Dementia · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMenopause: Health Impacts and Treatments
Établissements canadiensUniversity of TorontoHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMoodMenopauseMedicineDementiaCognitionCognitive declineClinical psychologyPsychologyPsychiatryInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Menopause has been associated with greater dementia risk. We investigated the relationship between the presence of specific symptoms experienced during menopause (i.e., perimenopausal symptoms) and later-life emergence of cognitive and behavioral symptoms that are linked to elevated dementia risk. METHOD: Participant data were from the Canadian Platform for Research Online to Investigate Health, Quality of Life, Cognition, Behaviour, Function, and Caregiving in Aging (CAN-PROTECT) study. The sample for this analysis comprised 896 post-menopausal participants, who recalled the presence or absence of 11 perimenopausal symptoms. Symptoms were categorized as vasomotor, weight changes, vaginal dryness, irregular periods, sleep problems, mood changes, brain fog, and other unnamed symptoms. Currently experienced subjective cognitive symptoms were measured with the Everyday Cognition (ECog-II) scale. Emergent and persistent neuropsychiatric symptoms were measured with the Mild Behavioral Impairment Checklist (MBI-C). Higher scores reflected greater severity on both measures. A negative binomial regression examined the association between perimenopausal symptoms and cognitive function. A zero-inflated negative binomial regression examined the association between perimenopausal symptoms and MBI symptoms. All models adjusted for age of menopausal onset, menopausal hormone therapy (MHT), menopause type (i.e., spontaneous, or due to medical reasons), age, and years of education. RESULT: Symptoms of brain fog, weight changes, and mood changes were associated with poorer current ECog-II score (b = 74.8, 95%CI [47.2, 108.0], p<.001; b = 24.4, 95%CI [8.9, 42.2], p = .001; b = 36.2, 95%CI [17.3, 58.3], p<.001, respectively). Comparatively, use of estrogen and non-estrogen-based MHT during menopause was not significantly associated with current ECog-II scores (b = -11.0,95%CI[-25.3, 6.5], p = .2; b = 16.9, 95%CI[-10.9, 56.1], p = .3, respectively). Weight and mood symptoms of perimenopause were significantly associated with poorer current MBI-C score (b = 24.4,95%CI[2.4,51.1], p = .03; b = 68.4%,95%CI[36.3,108.1], p<.001, respectively). MBI-C scores differed based on type of MHT used. Estrogen-based MHT was associated with a statistically significant 26.9% lower MBI-C score (95%CI[-43.3, -5.7], p = .02), while score did not differ significantly with non-estrogen-based MHT (b = -19.1,95%CI[-44.6, 18.1], p = .3). CONCLUSION: The experience of brain fog, weight changes, and mood changes during perimenopause may predict greater risk for cognitive and behavioral changes later on. Use of estrogen-based MHT may mitigate the relationship between perimenopause symptoms and MBI symptoms. However, longitudinal data are required to explore mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,230

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,368
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetMenopause: Health Impacts and Treatments→Travaux en français237 207→