The SG90 cohort of the oldest-old in Singapore
Notice bibliographique
Résumé
The global population is ageing rapidly. While genetics, lifestyle, and environment are known contributors to healthspan, most insights are drawn from Western cohorts, leaving Asian populations underrepresented despite unique biological, lifestyle, and cultural factors. The SG90 cohort study aimed to fill knowledge gaps in healthy ageing by identifying modifiable medical, biological, lifestyle, psychological, behavioural, and social factors that contribute to longevity in the oldest-old. The study recruited 1,158 participants aged 85 and above from the Singapore Chinese Health Study (SCHS) and Singapore Longitudinal Aging Study (SLAS) between 2015 and 2021. Data collection involved face-to-face interviews to obtain sociodemographic, lifestyle, sleep, functional status, quality of life, medical conditions and healthcare economics information, along with clinical assessments covering physical examinations, anthropometry, physical performance, cognition, and mental health. Biospecimens, including blood, saliva, stool, urine, toenails, hair, and skin tape strips were collected to support extensive multi-omic and cellular analyses. Participants, primarily female (64.5%) and Chinese (97.5%) with a median age of 87 years [interquartile range (IQR): 86-89], were mostly non-smokers (72.1%) and infrequent alcohol consumers (94.9%), with 66.5% exercising regularly. Functional assessments indicate high independence, with median Basic activities of daily living (BADL) and Instrumental ADL (IADL) scores of 20 (IQR: 19-20) and 14 (IQR: 11-16), respectively. 36% of participants rated their self-reported health as good to excellent. The SG90 cohort study offers a comprehensive clinical and biological data resource on healthy ageing among Asia's oldest-old, laying a foundation for targeted interventions to promote healthy longevity and quality of life.
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 | 0,011 | 0,006 |
| 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 ».