Caractéristiques démographiques de sujets atteints de la maladie d’Alzheimer et de leurs familles
Bibliographic record
Abstract
Nous avons comparé certaines caractéristiques démographiques des familles de 221 sujets atteints de la maladie d’Alzheimer (MA) recrutés au Saguenay-Lac-Saint-Jean et celles de 218 témoins sélectionnés dans la même région et ne présentant aucune atteinte cognitive. Notre étude repose sur l’hypothèse de l’existence d’un lien entre la MA et certains aspects de l’histoire démographique des individus atteints. Les données démographiques proviennent du fichier de population BALSAC. L’analyse du rapport de masculinité à la naissance (RMN) met en lumière un excédent de filles dans les fratries des sujets atteints de MA. Étant donné qu’une incidence plus élevée de MA chez les femmes a été observée à de multiples reprises, nous avons postulé qu’un facteur familial pouvait opérer différemment selon le sexe et avoir un impact sur le RMN et sur le risque de développer la MA. Nous avons aussi observé que la mortalité infantile était significativement plus faible dans les fratries des individus atteints porteurs de l’allèle APOE-ε4. Ces observations laissent croire à la présence d’un facteur familial qui aurait un effet sur le risque de MA et sur la mortalité infantile.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".