Vascular risk and cognitive trajectories in cognitively normal older adults: A Bayesian approach
Notice bibliographique
Résumé
BACKGROUND: Cognitive decline poses a significant challenge to aging populations, with vascular risk factors-such as hypertension, diabetes, smoking, and hypercholesterolemia-playing a key role in its onset and progression. While prior studies using traditional statistical approaches, like linear mixed models, have demonstrated associations between vascular risk and cognitive decline, they often fail to fully account for uncertainty and variability in individual trajectories. This study aimed to estimate the influence of vascular risk factors on rates of cognitive decline in cognitively normal adults using a Bayesian statistical approach that incorporates prior knowledge and probabilistic reasoning. METHOD: We analyzed a cohort of cognitively normal adults aged 60 or older (N = 4,528) from the National Alzheimer's Coordinating Center (NACC) Uniform Data Set (UDS v3), followed for a median of 3.8 years. We constructed a measure of vascular risk based on individuals' Framingham Risk Score (FRS), which incorporates factors such as age, systolic blood pressure, diabetes, smoking, and hypercholesterolemia. Cognitive decline was assessed as the change in Montreal Cognitive Assessment (MoCA) scores over time. Bayesian hierarchical models with random slopes and intercepts were fitted to estimate the relationship between vascular risk (high vs. low) and rates of cognitive decline, accounting for repeated measures within individuals. RESULT: Preliminary unadjusted findings indicate that individuals with high vascular risk (FRS ≥ 15 for males, ≥ 18 for females) had lower baseline MoCA scores (β = -1.12, 95% credible interval [-1.33, -0.91]) compared to those with low risk (FRS ≤ 12 for males, ≤ 10 for females). High-risk individuals also experienced a decline in MoCA scores over 6-month intervals (β = -0.03, 95% credible interval [-0.06, -0.00]), while the low-risk group exhibited stable cognitive trajectories. Most variability in cognitive trajectories was explained by differences in baseline MoCA scores, with random slopes capturing modest variability in rates of change across individuals. CONCLUSION: These findings highlight the probabilistic relationship between vascular risk and cognitive decline, underscoring variability in individual trajectories. The Bayesian approach provides a robust framework for incorporating uncertainty and may help identify early risk phenotypes to better target interventions.
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 | 0,016 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».