Socioeconomic and health‐related disparities associated with healthy brain aging in Latin American countries
Notice bibliographique
Résumé
Abstract Background Latin American Countries (LACs) have major health‐related inequities due to historical, cultural, and social aspects. These factors have been suggested as important determinants of healthy aging in LACs. Here, we evaluated classic and socioeconomic risk factors for healthy brain aging across five large cohorts of LACs. Method Risk factors for healthy aging were evaluated using machine‐learning models in 41,092 individuals across five LACs ([Brazil, n = 9,412], Colombia [n = 23,694], Chile [n = 1,301], Ecuador [n = 5,235], and Uruguay [n = 1,450] ( Fig. 1A ). Healthy brain aging was evaluated using z‐scored cognitive and functional ability data with selected risk factors (Age, Sex, Diabetes, Education, Isolation, House Condition, Hypertension, Heart Disease, Alcohol Consumption, Physical Activity, Smoking, Falls, and Mental Health Problems). The fitness of models was evaluated with Mean Standard Error (MSE) and Raw Mean Standard Error (RMSE) extracted from Ridge Regressions Models (adjusted p<0.05). Result Regarding cognition, our machine‐learning model with LACs was significant. The most important risk factors were mental health symptoms, education, country, physical activity, alcohol consumption, falls, socioeconomic status, isolation, age, and smoking status. No significant effects of heart disease, hypertension, sex, and diabetes were found ( Fig. 1B ). The model assessing functionality in LACs was also significant and presented the following order of risk factors: physical activity, mental health symptoms, falls, heart disease, alcohol consumption, diabetes, sex, hypertension, age, SES, education, education, and smoking status. Country and isolation did not reach statistical significance ( Fig. 1C ). Conclusion Our findings demonstrated that social and health disparities outweigh classic risk factors, such as age and sex, for cognitive and functional decline in LACs, highlighting the need to identify risk factors for healthy brain aging in underrepresented populations.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».