Social and behavioral determinants of health and Alzheimer’s Disease: Cohort study of the US military veteran population

健康和阿尔茨海默病的社会和行为决定因素:美国退伍军人群体的队列研究

基本信息

  • 批准号:
    10591049
  • 负责人:
  • 金额:
    $ 79.63万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2023
  • 资助国家:
    美国
  • 起止时间:
    2023-03-01 至 2028-02-29
  • 项目状态:
    未结题

项目摘要

Social and behavioral determinants of health and Alzheimer’s Disease: Cohort study of the US military veteran population Alzheimer’s Disease (AD) affects an estimated 5.8 million US adults. Veterans are particularly susceptible to AD due to demographic, clinical, and economic factors. Social determinants of health are the conditions in which people are born, live, work, and age. Adverse social determinants of health include job loss and financial and food insecurity. Together with behavioral health factors (e.g., smoking and substance use) and mental health, adverse social and behavioral determinants of health (SBDH) contribute to adverse health outcomes. Associations between SBDH and AD have been noted, but most studies used structured electronic health record (EHR) or survey data. SBDH are not routinely added to structured EHR. Natural language processing (NLP) approaches can be developed to automatically extract SBDH and their attributes. This application responds to PAR-22-093 and NOT-AG-18-047. The specific aims are: Aim 1: Establish NLP-enriched case definitions of adverse SBDH and AD-related information (e.g., signs and symptoms of cognitive decline), and examine their incidences by first chart-reviewing ~10,000 EHR notes (e.g., primary care, neurology, psychiatric, and social work notes) and then developing and evaluating sophisticated NLP systems for automatically capturing SBDH and AD-related information. Aim 2: Using NLP enriched SBDH as independent variables from a nested case-control design, we will analyze the associations between adverse SBDH and incident AD. We will also evaluate how the associations vary by age, sex, race/ethnicity. We will compare results using NLP-enriched SBDH vs. using structured data (only) SBDH. Hypothesis 1: Patients with adverse SBDH have substantially higher AD risk, after adjusting for potential covariables (e.g., patient-specific demographic and clinical factors). Hypothesis 2: The effects of adverse SBDH on AD risk vary by age, sex and race/ethnicity, after adjusting for covariables (e.g., patient- specific clinical factors). Hypothesis 3: The effects of adverse SBDH on incident AD are likely cumulative and duration-dependent, with more and longer adverse SBDH leading to higher AD risk. Aim 3: Early AD diagnosis may prevent or delay AD development through intervention efforts on SBDH.34 Cognitive decline occurs 4-8 years prior to AD diagnosis.35 We will study whether inclusion of NLP-enriched adverse SBDH and AD-related information helps early AD diagnosis. We will use three types of predictive models: statistical regression, traditional machine learning, and innovative deep learning models.
健康和阿尔茨海默氏病的社会和行为决定者:美国军方的队列研究 资深人口 阿尔茨海默氏病(AD)影响约580万美国成年人。退伍军人特别容易受到 广告由于人口,临床和经济因素。健康决定者是 人们是出生,生活,工作和年龄的人。健康的不利社会决定者包括失业和财务 和粮食不安全。以及行为健康因素(例如吸烟和吸烟)和精神 健康,不利的社会和行为决定者(SBDH)会导致不利的健康成果。 已经注意到SBDH和AD之间的关联,但是大多数研究都使用了结构化电子健康 记录(EHR)或调查数据。 SBDH通常不添加到结构化的EHR中。自然语言处理 (NLP)可以开发方法来自动提取SBDH及其属性。此应用程序 响应PAR-22-093和NOT-AG-18-047。具体目的是: 目标1:建立不良SBDH和与广告相关信息的富含NLP的案例定义(例如,符号和标志和 认知能力下降的症状),并通过第一次查看〜10,000 EHR注释来检查其造型(例如 初级保健,神经病学,精神病和社会工作说明),然后开发和评估复杂的 用于自动捕获SBDH和广告相关信息的NLP系统。 AIM 2:使用NLP富含SBDH作为嵌套的情况对照设计的自变量,我们将 分析不良SBDH与事件AD之间的关联。我们还将评估关联如何 因年龄,性别,种族/种族而异。我们将使用富含NLP的SBDH与使用结构化数据比较结果 (仅)SBDH。假设1:调整后,不良SBDH患者的AD风险较高。 潜在的协变量(例如患者特定的人口统计学和临床​​因素)。假设2: 在调整协变量后,对AD风险的不利SBDH因年龄,性别和种族/种族而异(例如,患者 - 特定的临床因素)。假设3:不良SBDH对事件AD的影响可能是累积的,并且 持续时间依赖性,越来越多的广告SBDH导致更高的AD风险。 AIM 3:通过对SBDH的干预工作,早期的AD诊断可能会阻止或延迟广告开发。34 认知能力下降发生在AD诊断之前的4 - 8年。35我们将研究是否包含NLP富含 不良SBDH和与广告相关的信息有助于早期的广告诊断。我们将使用三种类型的预测 模型:统计回归,传统的机器学习和创新的深度学习模型。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

HONG YU其他文献

HONG YU的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('HONG YU', 18)}}的其他基金

Improving Suicide Prediction using NLP-Extracted Social Determinants of Health
使用 NLP 提取的健康社会决定因素改善自杀预测
  • 批准号:
    10656321
  • 财政年份:
    2020
  • 资助金额:
    $ 79.63万
  • 项目类别:
Improving Suicide Prediction using NLP-Extracted Social Determinants of Health
使用 NLP 提取的健康社会决定因素改善自杀预测
  • 批准号:
    10428629
  • 财政年份:
    2020
  • 资助金额:
    $ 79.63万
  • 项目类别:
Improving Suicide Prediction using NLP-Extracted Social Determinants of Health
使用 NLP 提取的健康社会决定因素改善自杀预测
  • 批准号:
    10251336
  • 财政年份:
    2020
  • 资助金额:
    $ 79.63万
  • 项目类别:
Improving Suicide Prediction using NLP-Extracted Social Determinants of Health
使用 NLP 提取的健康社会决定因素改善自杀预测
  • 批准号:
    10100989
  • 财政年份:
    2020
  • 资助金额:
    $ 79.63万
  • 项目类别:
Resource Curation and Evaluation for EHR Note Comprehension
EHR 笔记理解的资源管理和评估
  • 批准号:
    9925807
  • 财政年份:
    2018
  • 资助金额:
    $ 79.63万
  • 项目类别:
Resource Curation and Evaluation for EHR Note Comprehension
EHR 笔记理解的资源管理和评估
  • 批准号:
    9794757
  • 财政年份:
    2018
  • 资助金额:
    $ 79.63万
  • 项目类别:
Systems for Helping Veterans Comprehend Electronic Health Record Notes
帮助退伍军人理解电子健康记录笔记的系统
  • 批准号:
    9768225
  • 财政年份:
    2015
  • 资助金额:
    $ 79.63万
  • 项目类别:
Systems for Helping Veterans Comprehend Electronic Health Record Notes
帮助退伍军人理解电子健康记录笔记的系统
  • 批准号:
    9894743
  • 财政年份:
    2015
  • 资助金额:
    $ 79.63万
  • 项目类别:
EHR Anticoagulants Pharmacovigilance
EHR 抗凝剂药物警戒
  • 批准号:
    9190384
  • 财政年份:
    2014
  • 资助金额:
    $ 79.63万
  • 项目类别:
EMR Adverse Drug Event Detection for Pharmacovigilance
用于药物警戒的 EMR 药物不良事件检测
  • 批准号:
    9123554
  • 财政年份:
    2014
  • 资助金额:
    $ 79.63万
  • 项目类别:

相似国自然基金

儿童期受虐经历影响成年人群幸福感:行为、神经机制与干预研究
  • 批准号:
    32371121
  • 批准年份:
    2023
  • 资助金额:
    50.00 万元
  • 项目类别:
    面上项目
依恋相关情景模拟对成人依恋安全感的影响及机制
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
依恋相关情景模拟对成人依恋安全感的影响及机制
  • 批准号:
    32200888
  • 批准年份:
    2022
  • 资助金额:
    30.00 万元
  • 项目类别:
    青年科学基金项目
生活方式及遗传背景对成人不同生命阶段寿命及死亡的影响及机制的队列研究
  • 批准号:
    82173590
  • 批准年份:
    2021
  • 资助金额:
    56.00 万元
  • 项目类别:
    面上项目

相似海外基金

Uncovering Mechanisms of Racial Inequalities in ADRD: Psychosocial Risk and Resilience Factors for White Matter Integrity
揭示 ADRD 中种族不平等的机制:心理社会风险和白质完整性的弹性因素
  • 批准号:
    10676358
  • 财政年份:
    2024
  • 资助金额:
    $ 79.63万
  • 项目类别:
Climate Change Effects on Pregnancy via a Traditional Food
气候变化通过传统食物对怀孕的影响
  • 批准号:
    10822202
  • 财政年份:
    2024
  • 资助金额:
    $ 79.63万
  • 项目类别:
A HUMAN IPSC-BASED ORGANOID PLATFORM FOR STUDYING MATERNAL HYPERGLYCEMIA-INDUCED CONGENITAL HEART DEFECTS
基于人体 IPSC 的类器官平台,用于研究母亲高血糖引起的先天性心脏缺陷
  • 批准号:
    10752276
  • 财政年份:
    2024
  • 资助金额:
    $ 79.63万
  • 项目类别:
The Proactive and Reactive Neuromechanics of Instability in Aging and Dementia with Lewy Bodies
衰老和路易体痴呆中不稳定的主动和反应神经力学
  • 批准号:
    10749539
  • 财政年份:
    2024
  • 资助金额:
    $ 79.63万
  • 项目类别:
Iron deficits and their relationship with symptoms and cognition in Psychotic Spectrum Disorders
铁缺乏及其与精神病谱系障碍症状和认知的关系
  • 批准号:
    10595270
  • 财政年份:
    2023
  • 资助金额:
    $ 79.63万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了