Loneliness, social isolation, and effects on cognitive decline in patients with dementia: A retrospective cohort study using natural language processing
Notice bibliographique
Résumé
Abstract INTRODUCTION The study aimed to compare cognitive trajectories between patients with reports of social isolation and loneliness and those without. METHODS Reports of social isolation, loneliness, and Montreal Cognitive Assessment (MoCA) scores were extracted from dementia patients' medical records using natural language processing models and analyed using mixed‐effects models. RESULTS Lonely patients ( n = 382), compared to controls ( n = 3912), showed an average MoCA score that was 0.83 points lower at diagnosis ( P = 0.008) and throughout the disease. Socially isolated patients ( n = 523) experienced a 0.21 MoCA point per year faster rate of cognitive decline in the 6 months before diagnosis ( P = 0.029), but were comparable to controls before this period. This led to average MoCA scores that were 0.69 MoCA points lower at diagnosis ( P = 0.011). DISCUSSION Lower cognitive levels in lonely and socially isolated patients suggest that these factors may contribute to dementia progression. Highlights Developed Natural Language Processing model to detect social isolation and loneliness in electronic health records. Patients with loneliness reports have lower Montreal Cognitive Assessment (MoCA) scores than other patients. Social isolation was related to the faster decline in MoCA scores before diagnosis. Social isolation and loneliness are promising targets for slowing cognitive decline.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».