A Combination Cocktail Improves Spatial Attention in a Canine Model of Human Aging and Alzheimer's Disease
Notice bibliographique
Résumé
Alzheimer's disease (AD) involves multiple pathological processes in the brain, including increased inflammation and oxidative damage, as well as the accumulation of amyloid-β (Aβ) plaques. We hypothesized that a combinatorial therapeutic approach to target these multiple pathways may provide cognitive and neuropathological benefits for AD patients. To test this hypothesis, we used a canine model of human aging and AD. Aged dogs naturally develop learning and memory impairments, human-type Aβ deposits, and oxidative damage in the brain. Thus, 9 aged beagles (98-115 months) were treated with a medical food cocktail containing (1) an extract of turmeric containing 95% curcuminoids; (2) an extract of green tea containing 50% epigallocatechingallate; (3) N-acetyl cysteine; (4) R-alpha lipoic acid; and (5) an extract of black pepper containing 95% piperine. Nine similarly aged dogs served as placebo-treated controls. After 3 months of treatment, 13 dogs completed a variable distance landmark task used as a measure of spatial attention. As compared to placebo-treated animals, dogs receiving the medical food cocktail had significantly lower error scores (t11 = 4.3, p = 0.001) and were more accurate across all distances (F(1,9) = 20.7, p = 0.001), suggesting an overall improvement in spatial attention. Measures of visual discrimination learning, executive function and spatial memory, and levels of brain and cerebrospinal fluid Aβ were unaffected by the cocktail. Our results indicate that this medical food cocktail may be beneficial for improving spatial attention and motivation deficits associated with impaired cognition in aging and AD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».