Variance in Brain Volume with Advancing Age: Implications for Defining the Limits of Normality
Notice bibliographique
Résumé
BACKGROUND: Statistical models of normal ageing brain tissue volumes may support earlier diagnosis of increasingly common, yet still fatal, neurodegenerative diseases. For example, the statistically defined distribution of normal ageing brain tissue volumes may be used as a reference to assess patient volumes. To date, such models were often derived from mean values which were assumed to represent the distributions and boundaries, i.e. percentile ranks, of brain tissue volume. Since it was previously unknown, the objective of the present study was to determine if this assumption was robust, i.e. whether regression models derived from mean values accurately represented the distributions and boundaries of brain tissue volume at older ages. MATERIALS AND METHODS: We acquired T1-w magnetic resonance (MR) brain images of 227 normal and 219 Alzheimer's disease (AD) subjects (aged 55-89 years) from publicly available databanks. Using nonlinear regression within both samples, we compared mean and percentile rank estimates of whole brain tissue volume by age. RESULTS: In both the normal and AD sample, mean regression estimates of brain tissue volume often did not accurately represent percentile rank estimates (errors=-74% to 75%). In the normal sample, mean estimates generally underestimated differences in brain volume at percentile ranks below the mean. Conversely, in the AD sample, mean estimates generally underestimated differences in brain volume at percentile ranks above the mean. Differences between ages at the 5(th) percentile rank of normal subjects were ~39% greater than mean differences in the AD subjects. CONCLUSIONS: While more data are required to make true population inferences, our results indicate that mean regression estimates may not accurately represent the distributions of ageing brain tissue volumes. This suggests that percentile rank estimates will be required to robustly define the limits of brain tissue volume in normal ageing and neurodegenerative disease.
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 | 0,059 | 0,338 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».