Examining the Influence of Modifiable Risk Factors for ADRD in a Rural Cohort
Notice bibliographique
Résumé
Abstract Results from year one of a three-year repeated measures descriptive study involving multicultural rural residents are offered (N = 494). The region surrounding Lake Okeechobee, 2nd largest freshwater lake in the contiguous U.S., is home to diverse groups, including farmworkers, teachers, and healthcare workers who experience all 14 potentially modifiable risk factors for Alzheimer’s Disease and Related Dementias (ADRD). We report on these risk factors (Livingston et al., 2023). For example, correlations between individual risk factors and cognitive function (Montreal Cognitive Assessment) scores revealed that education, r =.16, p < .001, hypertension, r = -.12, p = .008, hearing loss, r = -.14, p = .002, smoking, r = -.13, p = .005, physical performance, r = .22, p < .001, cholesterol, r = -.10, p = .02, depression, r = -.15, p < .001, loneliness, r = -.13, p = .003, and social connectedness, r = .22, p < .001, correlated with MoCA scores. Number of years lived in this area interacted with education, p = .007, and diabetes, p = .038, to predict cognitive function. Interactions with smoking, BMI, social connectedness, and loneliness were notable trends towards significance (p < .1). This highlights the need to examine all ADRD risk factors prior to developing community-based interventions to decrease risk, while considering that older age correlates with many other risk factors for ADRD. Future studies will focus on improving knowledge about ADRD, health behaviors, early detection of cognitive decline and management of chronic conditions related to ADRD risk.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».