Table 1_Association between exercise habits in adolescence and old age and the risk of mild cognitive impairment: the Bunkyo health study.docx
Notice bibliographique
Résumé
Background Exercise in adolescence and old age improves cognitive function in older adults, but the combined effect of exercise habits in both periods is controversial. This study aimed to clarify the relationship between exercise habits in adolescence and old age and mild cognitive impairment (MCI) and to compare regional brain volumes and blood biochemical markers associated with cognitive function in older adults. Methods Baseline data of 1615 participants aged 65–84 years from the Bunkyo Health Study were analyzed. MCI was diagnosed using the Japanese version of the Montreal Cognitive Assessment. Participants were divided into four groups based on their exercise habits in adolescence (13–18 years) and old age: no exercise in either period (None-None), exercise in adolescence only (Active-None), exercise in old age only (None-Active), and exercise in both periods (Active-Active). Logistic regression models estimated the odds ratios (ORs) of MCI prevalence. Regional brain volumes, such as the prefrontal cortex, temporal lobe, parietal cortex, and hippocampus, and blood biochemical markers, such as BDNF, IGF-1, and homocysteine, were compared between groups. Results The OR for MCI was significantly lower in the Active-Active group than in the None-None group (OR, 0.62; 95% CI, 0.41–0.94). However, there were no significant differences in regional brain volumes and blood biochemical markers between the Active-Active and None-None groups. Conclusions Older adults with exercise habits in both adolescence and old age have a lower risk of MCI. However, specific regional brain volumes and biochemical markers may not be associated with differences in cognitive function in older adults.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».