Broadening dementia risk models: building on the 2024 Lancet Commission report for a more inclusive global framework
Notice bibliographique
Résumé
The 2024 Lancet Commission Report on dementia prevention has identified 14 modifiable risk factors that account for approximately 45% of global dementia cases. We used a global multidimensional approach that integrates gender equity considerations, poverty, wealth shocks, income inequality and HIV infection rates to identify additional risk factors beyond those reported in 2024 report. This methodological framework aims to enhance equitable prevention strategies to mitigate the global burden of dementia. We demonstrate that adding four additional risk factors: poverty, wealth shocks, income inequality, and HIV, while also considering the influences of sex and gender will improve the global applicability of the 2024 report. This is important because, despite dementia primarily affecting women, 57% of the risk factors identified in the 2024 report are more prevalent in men. Our analysis suggests that incorporating these four additional factors could potentially increase the proportion of preventable dementia cases to about 65%. This approach would also reshape the understanding of dementia risk, indicating that around 56% of modifiable risks disproportionately impact women. Expanding risk models in this manner is crucial for developing equitable and effective global dementia prevention strategies, particularly in underrepresented regions. We present these considerations as enhancements to the Commission's significant work.
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 | 0,020 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».