Modifiable and non‐modifiable disparity‐related predictors of cognitive scores in a population‐based cohort: the ELSI‐Brazil
Notice bibliographique
Résumé
Abstract Background Social and health‐related disparity factors are important predictors of brain health in low and middle‐income countries (LMIC). Social predictors of cognition have a higher impact on brain health among LMICs than classic demographic factors, such as age and sex. This study aimed to evaluate the impact of modifiable and non‐modifiable social and health‐related factors on cognition in a Brazilian population‐based cohort. Method We selected 9,412 individuals from the ELSI‐Brazil cohort, which is a population‐based study conducted with a similar design as the Health and Retirement Study. Complex sample design stratified and clustered distinct geographical regions according to their representation nationally. We included health‐related disparity factors (hypertension, diabetes, cardiovascular disease, and falls), as well as social determinants of health (piped water, access to healthcare, private health coverage, income, food insecurity, and education). Non‐modifiable factors were also retrieved (age, sex, race and region). We evaluated cognition using a global composite of orientation, animal fluency, and memory recall scores. A linear regression model was conducted to identify and stratify predictors of global cognitive scores (R2 adjusted = 0.336). Result We included 5,432 individuals above 60 years of age in this analysis (mean age 70.3±7.97 yo). The regression model identified that the most important modifiable predictor of cognition was depression (ß = ‐0.14±0.06, p < 0.001), followed by physical activity (ß = 0.12±0.03, p < 0.001), and private health coverage (ß = 0.09±0.06, p = 0.001). Among non‐modifiable predictors of cognition, northeast region dwelling was the most important predictor (ß = ‐0.16±0.05, p < 0.001), following residing in the north region (ß = ‐0.14±0.10, p = 0.006), and brown race (ß = ‐0.1±0.05, p < 0.001). No health‐related factor reached significance. Conclusion Overall, modifiable and non‐modifiable social‐related disparity factors had a significant impact on cognition in this study. Modifiable factors should be addressed in public health policies, while non‐modifiable risk factors may provide insights on compensatory strategies to overcome their negative effects on brain health. Further studies may expand this investigation to other LMIC.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».