Education is associated with vascular risk factors and cerebrovascular disease burden in racially diverse individuals on the Alzheimer's disease spectrum
Notice bibliographique
Résumé
BACKGROUND: Education has been shown to mitigate the risk of Alzheimer's dementia (AD). While the link between education and cognitive reserve has been investigated, another potential pathway through which education can impact cognitive decline could be through its influence on vascular risk factors which in turn lead to cerebrovascular pathology such as white matter hyperintensities (WMHs) and infarcts. The prevalence of these factors varies across racial groups, highlighting the importance of understanding disparities in education and health outcomes in these populations. METHOD: This study analyzed data from the National Alzheimer's Coordinating Center (NACC), including 42,668 participants aged 55 and older from diverse racial backgrounds: White (n = 31,232), Black (n = 6,676), Asian (n = 3,573), and Hispanic (n = 1,187) (Table 1). Linear mixed-effects models were employed to investigate the relationship between education and vascular risk factors (i.e., diabetes, hypertension, hypercholesterolemia, systolic and diastolic blood pressure (BP), smoking, alcohol consumption, and body mass index; BMI), WMHs, and lacunar infarcts. Age, sex, and diagnostic status (cognitively normal, mild cognitive impairment, and AD) were added as covariates in the models. RESULT: Higher education was significantly associated with lower rates of diabetes, hypertension, hypercholesterolemia, and smoking in most racial groups (p < .0001). In White and Hispanic groups, strong negative associations were seen for all risk factors (p < .0001), except diastolic BP and alcohol consumption. Among Black individuals, significant relationships were observed for all risk factors (p < .0001), except for systolic and diastolic BP. In Asian individuals, education was associated with all vascular risk factors (p < .05) except BMI and diabetes (Table 2). Furthermore, higher education was significantly associated with a lower WMH burden in White (p = 0.03) and Black (p = 0.02) individuals (Table 3). No significant relationship was observed between education and lacunar infarcts in any race. CONCLUSION: While higher education was overall negatively associated with vascular risk factors in all racial groups, certain risk factors showed different associations with education across different groups. Racial disparities were also found in the relationship between education and cerebrovascular disease markers, suggesting that while education is generally associated with better health outcomes, its impact varies across racial groups.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».