Ethnic-Specific Sociodemographic Factors as Determinants of Cognitive Performance: Cross-Sectional Analysis of the Malaysian Elders Longitudinal Research Study
Notice bibliographique
Résumé
Introduction: Despite cognitive impairment being a major health issue within the older population, limited information is available on factors associated with cognitive function among Asian ethnic groups. The objective of this study was to identify ethnic-specific sociodemographic risk factors which are associated with cognitive performance. Methods: Cross-sectional analysis of the Malaysian Elders Longitudinal Research (MELoR) study involving community-dwelling individuals aged >55 years was conducted. Information on sociodemographic factors, medical history, and lifestyle were obtained by computer-assisted interviews in participants' homes. Cognitive performance was assessed with the Montreal Cognitive Assessment (MoCA) tool during subsequent hospital-based health checks. Hierarchical multiple linear regression analyses were conducted with continuous MoCA scores as the dependent variable. Results: Data were available for 1,140 participants, mean (standard deviation [SD]) = 68.48 (7.23) years, comprising 377 (33.1%) ethnic Malays, 414 (36.3%) Chinese, and 349 (30.6%) Indians. Mean (SD) MoCA scores were 20.44 (4.92), 23.97 (4.03), and 22.04 (4.83) for Malays, Chinese, and Indians, respectively (p = 0.01). Age >75 years, <12 years of education, and low functional ability were common risk factors for low cognitive performance across all three ethnic groups. Cognitive performance was positively associated with social engagement among the ethnic Chinese (β [95% CI] = 0.06 [0.01, 0.11]) and Indians (β [95% CI] = 0.16 [0.09, 0.23]) and with lower depression scores (β [(95% CI] = -0.08 [-0.15, -0.01]) among the ethnic Indians. Conclusion: Common factors associated with cognitive performance include age, education, and functional ability, and ethnic-specific factors were social engagement and depression. Interethnic comparisons of risk factors may form the basis for identification of ethnic-specific modifiable risk factors for cognitive decline and provision of culturally acceptable prevention measures.
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 | 0,002 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».