The Temporal Relationship Between Physical Activity, Mood, and Sleep in Older Adults: Lead‐Lag Discovery and Replication Analyses
Notice bibliographique
Résumé
Abstract Background Alzheimer’s disease (AD) affects about 416 million individuals across the disease continuum. An estimated 40% of dementia cases can be prevented or delayed in onset by addressing modifiable risk factors like sleep time, physical activity (PA), and mood. These three behaviors (sleep time, physical inactivity, and mood) are linked to cognitive decline, and their tridirectional link has been shown by prior research work. However, their longitudinal and potential temporal interrelatedness remain unclear. Method Thirty cognitively unimpaired (CU) sedentary older adults participating in the Daily Activity Study of Health (DASH) (Clinicaltrials.gov:NCT04315363) underwent objective PA measurement using a wrist‐worn accelerometer to monitor 24‐hour daily activity (discovery sample). Participants also completed a daily morning mood scale; through an Ecological Momentary Assessment and daily activity data, we performed a 10‐day lead‐lag analysis using moderate‐to‐vigorous PA (MVPA) time, mood, and sleep time. The temporal patterns were derived by assessing the rank order of the lead‐lag coefficients. The relationship between different time points of the variables were examined through cross‐correlations. We replicated the results in a sample of 25 CU, physically inactive older adults from the Healthy Aging Brain Study (HABS) (Clinical trials.gov:NCT06038643) with familial risk of AD. An identical methodological and analytic approach was applied to this replication sample. Result The lead‐lag analysis in the DASH cohort (mean age in years: 69.39±5.14, 26 female, mean education years 16.60 ± 3.03) determined positive mood change preceded increase in sleep time, and was then followed by an increase in MVPA. The relationship between positive mood change and increased MVPA was replicated in the HABS lead‐lag analysis (mean age = 69.71±3.54 years; 20 females; mean education years = 16.12±2.99). Conclusion In this study, we found that (1) improved mood precedes the increase in physical activity and sleep time in CU sedentary older adults. We confirmed that MVPA and mood precede sleep time. We also found that (2) mood precedes MVPA time, which in turn precedes sleep time. Understanding temporal dynamics between mood, sleep time, and MVPA, can help develop better interventions targeting an increase in physical inactivity in older adults, a major risk factor of AD.
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 | 0,066 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».