Alzheimer's disease: The influence of age on clinical heterogeneity through the human brain connectome
Notice bibliographique
Résumé
INTRODUCTION: One major factor that influences the heterogeneity of Alzheimer's disease (AD) is age: younger AD patients more frequently exhibit atypical forms of AD. We propose that this age-related heterogeneity can be understood better by considering age-related differences in atrophy in the context of large-scale brain networks subserving cognitive functions that contribute to memory. METHODS: We examined data from 75 patients with mild AD dementia from Alzheimer's Disease Neuroimaging Initiative. These individuals were chosen because they have cerebrospinal fluid amyloid and p-tau levels in the range suggesting the presence of AD neuropathology, and because they were either younger than age 65 years early-onset AD (EOAD) or age 80 years or older late-onset AD (LOAD). RESULTS: In the EOAD group, the most prominent atrophy was present in the posterior cingulate cortex, whereas in the LOAD group, atrophy was most prominent in the medial temporal lobe. Structural covariance analysis showed that the magnitude of atrophy in these epicenters is strongly correlated with a distributed atrophy pattern similar to distinct intrinsic connectivity networks in the healthy brain. An examination of memory performance in EOAD dementia versus LOAD dementia demonstrated relatively more prominent impairment in encoding in the EOAD group than in the LOAD group, with similar performance in memory storage in LOAD and EOAD but greater impairment in semantic memory in LOAD than in EOAD. DISCUSSION: The observations provide novel insights about age as a major factor contributing to the heterogeneity in the topography of AD-related cortical atrophy.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».