No Consistent Evidence that Ageism Is Linked to Biological Aging Status in the US Health and Retirement Study
Notice bibliographique
Résumé
INTRODUCTION: Ageism, defined as stereotype, prejudice, and discrimination against people based on their age, has been shown to have unfavorable impacts on health. While discrimination has often been shown to negatively impact health, whether ageism might accelerate biological aging itself is unclear. METHODS: We conducted secondary analyses of the Health and Retirement Study (HRS, 2008, 2012, and 2016 waves). Ageism was estimated using self-perception of aging (SPA) and perceived age discrimination (PAD). Other types of discrimination (e.g., racism, sexism) were also considered. The Everyday Discrimination Scale was used to assess PAD and other types of discrimination. Biological aging was measured through homeostatic dysregulation (HD, n = 3,443, 2016 wave, six measures), epigenetic age (n = 1,484, 2016 wave, five measures), and telomere length (n = 1,981, 2008 wave). Biological aging measures were modeled as a function of ageism within and across waves. RESULTS: Within waves, SPA score was associated with some elevated HD (e.g., β = 0.11, p < 0.001, quantified by 44 biomarkers) and epigenetic age indices (e.g., β = 0.61, p < 0.001, Hannum Epi Age). After controlling for comorbidities and social participation, these variables were no longer associated. Effects were similar but weaker in predicting 2016 biological aging from SPA in 2008 and 2012. PAD was not associated with biological aging measures, in contrast to other types of discrimination, which were. CONCLUSIONS: We found no consistent evidence linking ageism to biological aging status. Further research should investigate why; potentially, ageism has less time to become biologically embedded, compared to racism and sexism, which might be experienced throughout one's life, but measurement challenges could also be present.
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 | 0,002 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».