Triangulation to make decisions about what are modifiable risk factors and the new risk factors
Notice bibliographique
Résumé
Abstract Background The 2020 Lancet Commission on dementia prevention, intervention and care estimated that up to 40% of dementia cases could be prevented by tackling 12 potentially modifiable risk factors, namely less education, hearing loss, hypertension, physical inactivity, diabetes, social isolation, excessive alcohol consumption, air pollution, smoking, obesity, traumatic brain injury, depression. As more evidence on risk factors emerges, the Lancet standing commission on dementia met to update evidence on established dementia risk factors and to consider the evidence for other risk factors. Method We used a lifecourse approach to understand how to reduce risk or prevent dementia, as many risks operate at different timepoints in the lifespan. We considered evidence for when in the lifecourse a risk factor was relevant to development of dementia as well as the size of the effect and strength of the evidence. Our interdisciplinary, international, multicultural group of experts adopted a triangulation framework, prioritising systematic reviews and meta‐analyses, performing new meta‐analyses where needed and debated and agreed on the best available evidence and its consistency. We considered whether there was evidence of disparities in impact of risk factors based on demographic characteristics, particularly ethnicity and socioeconomic status. Result Evidence for two new risk factors was considered strong enough to include this in our lifecourse model. We will present evidence for incorporation of these risk factors, including strength of evidence and potential mechanisms. We will also discuss risk factors for which evidence was not strong enough. Conclusion As more evidence about risk factors emerges we can increase our understanding of how dementia develops and how to potentially prevent it. Understanding the landscape of dementia prevention research is also helpful to appreciate where further evidence is needed and what form of evidence would be most helpful in advancing our understanding.
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 | 0,423 | 0,697 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,012 | 0,014 |
| Bibliométrie | 0,023 | 0,014 |
| Études des sciences et des technologies | 0,005 | 0,010 |
| Communication savante | 0,017 | 0,022 |
| Science ouverte | 0,010 | 0,016 |
| Intégrité de la recherche | 0,010 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,004 |
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 ».