Higher C‐peptide levels are associated with regional cortical thinning in 1093 cognitively normal subjects
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Recent studies have demonstrated an association between increased insulin secretion and cognitive impairment. However, there is no previous study that directly evaluates the association between increased insulin secretion and cortical thickness to our knowledge. Therefore, our aim was to evaluate the effect of hyperinsulinemia, as measured by C-peptide level, on cortical thickness in a large sample of cognitively normal individuals. METHODS: Cortical thickness was measured in 1093 patients who visited the Samsung Medical Health Promotion Center and underwent brain magnetic resonance imaging (MRI) and a blood test to measure C-peptide concentration. Automated surface-based analyses of the MRI data were used to measure cortical thickness. C-peptide levels were divided into quartiles for comparison. Patients in the first to third quartiles were used as the reference category. RESULTS: Patients in the highest quartile group (Q4) of C-peptide levels showed cortical thinning, predominantly in both medial temporal lobes, the right inferior temporal gyrus, both medial prefrontal lobes and the right superior parietal lobule, compared with the lower quartile groups (Q1-Q3) after controlling for age, gender, body mass index, history of hypertension, hyperlipidemia, previous stroke, cardiovascular disease and fasting glucose level. CONCLUSIONS: A higher C-peptide level is associated with regional cortical thinning, even in cognitively normal individuals.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».