Exploring Racial Disparities in Cognitive Decline and Dementia: Analyzing Total, Past, and Present Risk Factors Profiles, Cognition, and Vascular Brain Health Outcomes
Notice bibliographique
Résumé
BACKGROUND: Dementia affects millions worldwide, with modifiable risk factors contributing to cognitive decline and poor brain health. However, there is limited research exploring how these factors influence cognition and brain structure if they occur during midlife or late life. Furthermore, given the racial disparities in risk factors, more research is needed to investigate how race interacts with risk factors in midlife and late life to impact cognition and the brain. METHOD: This study included data from 35,513 participants, including 28,944 White, 5,578 Black, and 991 Asian from the National Alzheimer's Coordinating Center (NACC) large open-access dataset. Linear regression models were conducted to assess the associations between total, past, present risk factor profiles (RFPs), race (White, Black, Asian), cognition, and vascular brain health outcomes (white matter hyperintensities [WMH], infarcts). Models included age, sex, education, and clinical diagnosis as covariates. RESULT: WMHs were significantly associated with total, past, present RFPs in both White and Black participants (p < 0.001). However, Asian participants exhibited less change in WMHs compared to Whites, particularly in response to past RFPs (p < 0.05). Similarly, infarcts were significantly associated with total, past, present RFPs in White and Asian participants (p < 0.001), while Black participants showed less change in infarcts compared to Whites across both RFP time points (p < 0.05). Clinical judgement of cognitive functioning (COGSTAT) scores were inversely correlated with total, past, present RFPs (p < 0.001), with Asian participants showing less change in COGSTAT scores compared to White participants in response to past RFPs (p < 0.001). CONCLUSION: These findings highlight the impact that both midlife and late life risk factor exposures on late-life brain health and underscore racial disparities. They emphasize the need for targeted interventions to mitigate cognitive decline and reduce racial disparities in dementia prevalence.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».