Adverse Childhood Experiences and Sarcopenia in Later Life: Baseline Data from the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
BACKGROUNDS: Adverse Childhood Experiences (ACEs) are linked to early and long-lasting mental health issues and somatic multimorbidity. Emerging evidence suggests ACEs may also accelerate physical frailty in old age. This study examines the association between ACEs and sarcopenia, an ageing-related disease and core component of frailty. METHODS: Baseline data from the Canadian Longitudinal Study on Aging (CLSA), including 25,327 participants aged 45-85 years (50.3% female sex) were analyzed. Sarcopenia was defined using the revised European Working Group of Sarcopenia in Older People (EWGSOP2) guidelines. ACE were assessed via the Childhood Experiences of Violence Questionnaire and the National Longitudinal Study of Adolescent to Adult Health Wave III questionnaire, covering eight ACE categories. Multiple logistic regression models examined the association between the number of ACE count and sarcopenia, which were adjusted for age, sex, education, income, and ethnicity. RESULTS: = 0.043), but this result was in the opposite direction we hypothesized. Sensitivity analyses confirmed findings across different operationalisations of ACE and sarcopenia. CONCLUSIONS: Higher ACE exposure was not associated with sarcopenia in middle aged and older adults. The unexpected protective association in the oldest-old subgroup may reflect survival bias. Age-stratified longitudinal studies are needed to clarify this relationship.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».