Combined population attributable fractions for dementia are dependent on strong assumptions of the form of interactions between risk factors: an analysis of data from the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
Abstract Background Several recent studies have used communality weights to calculate a combined population attributable fraction (PAF) of modifiable risks factors for dementia. Other research has suggested this method may be underestimating the true PAF. We applied multiple methods to calculate the combined PAF of 12 modifiable risk factors using record‐level, national Canadian data. Method We used baseline data (2011‐2015) from the comprehensive cohort of the Canadian Longitudinal Study on Aging (CLSA). We measured the 12 risk factors identified in the Lancet Commission on dementia prevention, intervention, and care. We calculated a combined PAF of these risk factors using the independent multiplicative method of Barnes and Yaffe (BY‐M), the additive and multiplicative methods of Welberry (W‐A and W‐M), and communality‐adjusted multiplicative method of Norton (N‐M). We also implemented a novel method (J‐MA) to mix multiplicative and additive interactivity based on the number of risk factors present. All methods incorporated sample weights and used the risk ratios from the Lancet Commission. Result There were 30,097 baseline participants in the CLSA ranging in age from 45 to 85 years (median 62). Combined PAFs varied widely: 78.5%(W‐M), 75.9% (BY‐M), 59.8% (J‐MA), 58.2% (W‐A), and 43.3% (N‐M). The BY‐M and W‐M methods resulted in unrealistically high combined risk ratios (RR >90) in individuals with many risk factors. The other methods produced broadly realistic results. Despite a nominally multiplicative form, N‐M produced results consistent with sub‐additive interactivity and makes arbitrary analytic choices. The J‐MA method also uses an arbitrary function to blend multiplicative and additive interactions. The W‐A approach made no assumption other than additive interactivity. Conclusion Assumptions regarding how risk factors for dementia interact highly influence combined PAFs. All multiplicative methods produce either unrealistic results or require arbitrary analytic choices. The additive method makes no arbitrary assumptions but may not reflect the actual form of interactions between risk factors. Not enough is known on how modifiable risk factors for dementia interact to estimate combined PAFs with confidence. When reporting PAFs for dementia a range of possible values, including one assuming additive interactions, should be provided and the assumptions behind each value clearly stated.
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 | 0,065 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».