Affective Fluctuations in Depressive and Anxiety Symptomatology Predict Cognitive Performance Decline in Older Adults
Notice bibliographique
Résumé
BACKGROUND: Previous research supports that affective symptoms related to depression and anxiety are associated with lower cognitive performance in cognitively unimpaired (CU) older adults. Most studies reporting associations are cross-sectional and have not investigated whether or how affective variability may correlate with cognitive variability or change over time. This study aimed to assess whether intraindividual variability of self-reported affective symptoms is associated with cognitive decline. METHOD: Longitudinal data from 817 predominantly highly-educated, CU middle-age and older adults (age range 53-102 years) were included. Cognition was measured using the Montreal Cognitive Assessment (MoCA). Center for Epidemiologic Studies Depression 10-Item was used to assess depressive symptoms, the Penn State Worry Questionnaire was used to assess anxiety symptoms. Intrasubject standard deviation (ISD) was used to quantify year-to-year variability of the affective measures. RESULT: In primary analyses using independent mixed-effects models adjusted for age, education, and sex, greater variability in depression and anxiety symptomatology was associated with cognitive decline. In exploratory analyses using combined models to assess for additive versus additive and synergistic effects only depressive symptom variability was significantly associated with cognitive decline. The interaction of depressive and anxiety symptom variability was not a significant predictor of cognitive decline. CONCLUSION: In cognitively unimpaired older adults within-subject affective variability is associated with linear decline on cognitive performance over several years. Understanding and accounting for the potential impact of affective fluctuations on cognitive performance may improve trajectory and power estimates in observational and interventional studies, and suggest strategies to mitigate components of cognitive decline.
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 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».