Elevated body mass index and maintenance of cognitive function in late life: exploring underlying neural mechanisms
Notice bibliographique
Résumé
BACKGROUND: Obesity is associated with vascular risk factors that in turn, may increase dementia risk. However, higher body mass index (BMI) in late life may be neuroprotective. The possible neural mechanisms underlying the benefit of higher BMI on cognition in older adults are largely unknown. Thus, we used functional connectivity magnetic resonance imaging (fcMRI) to examine: (1) the relationship between BMI and functional brain connectivity; and (2) the mediating role of functional brain connectivity in the association between baseline BMI and change in cognitive function over a 12-month period. METHODS: We conducted a 12-month, prospective study among 66 community-dwelling older adults, aged 70 to 80 years, who were categorized as: normal weight (BMI from 18.50 to 24.99); overweight (BMI from 25.00 to 29.99); and obese (BMI ≥ 30.00). At baseline, participants performed a finger-tapping task during fMRI scanning. Relevant neural networks were initially identified through independent component analysis (ICA) and subsequently examined through seed-based functional connectivity analysis. At baseline and 12-months, we measured three executive cognitive processes: (1) response inhibition; (2) set shifting; and (3) working memory. RESULTS: Obese individuals showed lower task-related functional connectivity during finger tapping in the default mode network (DMN) compared with their healthy weight counterparts (p < 0.01). Lower task-related functional connectivity in the DMN at baseline was independently associated with better working memory performance at 12-months (p = 0.02). Finally, DMN functional connectivity during finger tapping significantly mediated the relationship between baseline BMI and working memory at 12-months (indirect effect: -0.155, 95% confidence interval [-0.313, -0.053]). CONCLUSIONS: These findings suggest that functional connectivity of the DMN may be an underlying mechanism by which higher BMI confers protective effects to cognition in late life.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».