Cerebral small vessel disease in aging and <scp>A</scp>lzheimer's disease: a comparative study using <scp>MRI</scp> and <scp>SPECT</scp>
Notice bibliographique
Résumé
BACKGROUND: White matter hyperintensities (WMH) are associated with aging and are prevalent in various brain pathologies. The purpose of the current study was to characterize WMH perfusion in age-matched elderly controls (ECs) and patients with Alzheimer's disease (ADs). METHODS: Fifty ECs (23 men) and 61 ADs (33 men) underwent magnetic resonance imaging (MRI), 99mTc-ECD single-photon emission computed tomography (SPECT) and cognitive testing. Brain tissue type was classified on T1 weighted images, and WMH were identified on interleaved proton density/T2 weighted images. Co-registered MR images were used to characterize SPECT perfusion patterns. RESULTS: WMH perfusion was lower than normal appearing white matter (NAWM) perfusion (P < 0.001) in both EC and AD groups. There was no WMH perfusion difference between groups when considering the mean perfusion from all WMH voxels (P > 0.43). However, locations that were likely to be considered WMH tended to have lower perfusion in ADs compared with ECs. Perfusion gradients along watershed white matter regions were significantly different between EC and AD groups (P < 0.05). A relationship was found between the volume of a WMH lesion and its mean perfusion (P < 0.001) in both ECs and ADs. CONCLUSION: Global WMH were hypoperfused compared with NAWM to the same degree in EC and AD participants, which suggests a common WMH etiology between groups. However, white matter locations that were likely to contain WMH tended to be hypoperfused in ADs compared with healthy aging. This finding is suggestive of AD-specific pathology that reduces the perfusion at anatomic locations susceptible to the formation of WMH through either the neurodegenerative process or AD-related vasculopathy or both.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».