A Cross-Sectional Analysis of Late-Life Cardiovascular Factors and Their Relation to Clinically Defined Neurodegenerative Diseases
Notice bibliographique
Résumé
Studies have demonstrated associations between cardiovascular factors and Alzheimer disease (AD) with minimal focus on other neurodegenerative diseases. Utilizing cross-sectional data from 17,532 individuals in the National Alzheimer's Coordinating Center, Uniform Data Set, we compared the presence of cardiovascular factors [body mass index (BMI), atrial fibrillation, hypertension, hyperlipidemia, and diabetes] in individuals carrying a diagnosis of Probable AD (ProbAD), Possible AD, vascular dementia, dementia with Lewy bodies (DLB), frontotemporal dementia, Parkinson disease, progressive supranuclear palsy, or corticobasal degeneration, with that of normals. Generalized linear mixed models were fitted with age at visit, gender, and cardiovascular factors as fixed effects and Alzheimer's Disease Centers as random effects. In late life, only BMI of ProbAD and DLB patients was statistically significantly lower than that in normals (P-values <0.001). When accounting for colinearity within cardiovascular factors, a low BMI was a comorbidity of certain dementia etiologies as compared with normals. These data support a concept of disease-specific associations with certain cardiovascular factors.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».