Vascular burden and Alzheimer disease pathologic progression
Notice bibliographique
Résumé
OBJECTIVE: To investigate the vascular contribution to longitudinal changes in Alzheimer disease (AD) biomarkers. METHODS: The Alzheimer's Disease Neuroimaging Initiative is a clinic based, longitudinal study with CSF, PET, and MRI biomarkers repeatedly measured in participants with normal cognition (NC), mild cognitive impairment (MCI), and mild AD. Participants with severe cerebrovascular risks were excluded. Cardiovascular risk scores and MRI white matter hyperintensities (WMHs) were treated as surrogate markers for vascular burden. Generalized estimating equations were applied, and both vascular burden and its interaction with time (vascular burden × time) or time-varying WMHs were entered into regression models to assess whether biomarker rates of change were modified by vascular burden. RESULTS: Cardiovascular risk profiles were not predictive of progression in CSF β₄₂-amyloid, [¹⁸F]fluorodeoxyglucose (FDG) PET uptake, and MRI hippocampal atrophy. Greater baseline cardiovascular risks or WMHs were generally associated with cognitive impairment, particularly poor executive function. WMHs increased over time with a faster rate in MCI and AD than in NC. Increased time-varying WMH was associated with faster decline in executive function and lower FDG uptake in NC. Otherwise, WMH was not associated with CSF and MRI biomarkers in the 3 groups. These findings remained unchanged after accounting for APOE4. CONCLUSION: Increased WMHs are associated with aging, decreased glucose metabolism, and decline in executive function but do not affect AD-specific pathologic progression, suggesting that the vascular contribution to dementia is probably additive although not necessarily independent of the amyloid pathway.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».