Modelling cognitive decline: the impact of social isolation and loneliness on the cognitive trajectories of Alzheimer’s disease and related diseases patients
Notice bibliographique
Résumé
This thesis focuses on the impact of social isolation and loneliness on cognition and cognitive trajectories of patients with an Alzheimer’s disease or related disease diagnosis. While social isolation and loneliness are known to impact incidence risk, their effect on cognitive trajectories in patients, particularly after diagnosis, is relatively under studied. As these factors are potentially modifiable, exploring their impact offers an opportunity to inform care plans or non-pharmacological interventions, thereby improving quality of life for patients. A retrospective cohort design of electronic healthcare records was used across three modelling studies. Study 1 aimed to develop proxies of social isolation from the records and model their impact using linear multilevel models. Study 2 looked to build upon the models from Study 1 by introducing the addition of non-linear multilevel models. Study 3 looked to further develop the models by introducing a natural language processing algorithm to detect novel proxies of both social isolation and loneliness from the records and analyse their impact on cognitive outcomes using a combination of linear and non-linear models. Findings indicated that accommodation status was a strong predictor of cognitive scores at diagnosis, regardless of cognitive measure. Reports of loneliness and social isolation predicted significant yet differing impacts on cognition as measured by the Montreal Cognitive Assessment. Patients experiencing loneliness exhibited worse overall cognition. Whereas, patients experiencing social isolation exhibited initially similar cognitive trajectories as controls with rates of cognitive decline that increased, relatively, around diagnosis. These studies demonstrate that social and demographic factors related to social isolation and loneliness contribute to cognitive performances across diagnosis trajectories and therefore have practical implications for clinical screening and routine data collection at memory clinics.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 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 ».