P.003 Assessing the impact of attitudes toward aging on cognition and Alzheimer’s Disease biomarkers in older adults
Notice bibliographique
Résumé
Background: Attitudes toward aging influence many health outcomes, yet their relationship with cognition and Alzheimer’s disease (AD) remains unknown. To better understand their impact on cognition and AD risk, we examined whether positive attitudes predict better cognition and diminished risk on AD biomarkers. Methods: A subsample of older adults with a family history of AD (n=54; women=39) from the McGill PREVENT-AD cohort participated in this study. Participants completed the Attitudes to Ageing Questionnaire (AAQ-24), providing three scores: psychosocial loss, psychological growth and physical change. Participants underwent cognitive testing (Rey Auditory Verbal Learning Test, RAVLT; Delis-Kaplan Executive Function System-Color Word Interference Test, D-KEFS-CWIT), and AD blood-based biomarker assessments (p-tau217, Aβ42/40). Regression models tested associations, adjusting for covariates (age, sex, education, depression, APOE4), and were Bonferroni corrected. Results: Positive attitudes were associated with better recall and recognition (RAVLT) and improved word reading, colour naming, switching, and inhibition (D-KEFS-CWIT) (p<0.00077), while negative attitudes showed the opposite pattern. Negative attitudes were correlated with lower Aβ42/40 ratios, while positive attitudes were linked to lower p-tau217 (p<0.0167). Conclusions: These findings demonstrate that positive attitudes predict better cognition and a lower risk profile for AD biomarkers, suggesting that life outlook may be an early disease feature or a risk factor.
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 | 0,004 |
| 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 | 0,001 | 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) | 0,007 | 0,001 |
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 ».