Time to Amyloid Positivity and Preclinical Changes in Brain Metabolism, Atrophy, and Cognition: Evidence for Emerging Amyloid Pathology in Alzheimer's Disease
Notice bibliographique
Résumé
Background: Aβ pathology is associated with longitudinal changes of brain metabolism, atrophy and cognition, in cognitively healthy elders. However, Aβ information is usually measured cross-sectionally and dichotomized to classify subjects as Aβ-positive or Aβ-negative, making it difficult to evaluate when brain and cognitive changes occur with respect to emerging Aβ pathology. In this study, we use longitudinal Aβ information to combine the level and rate of change of Aβ to estimate the time to Aβ-positivity for each subject and test this temporal proximity to significant Aβ pathology for associations with brain structure, metabolism and cognition. Methods: In 89 cognitively healthy elders with up to 10 years of follow-up, we estimated the points at which rates of fluorodeoxyglucose (FDG) PET, MRI, and cognitive and functional decline begin to accelerate with respect to the time to Aβ-positivity. Points of initial acceleration in rates of decline were estimated using mixed-effects models with penalized regression splines. Results: Acceleration of rates of FDG PET were observed to occur 20+ years before the conventional threshold for Aβ-positivity. Subtle signs of cognitive dysfunction were observed 10+ years before Aβ-positivity. Conclusions: Aβ may have subtle associations with other hallmarks of Alzheimer's disease before Aβ biomarkers reach conventional thresholds for Aβ-positivity. Therefore, we propose that emerging Aβ pathology occurs many years before cognitively healthy elders reach the current threshold for Aβ positivity (preclinical AD). To allow prevention in the earliest disease stages, AD clinical trials may be designed to also include subjects with Aβ biomarkers in the sub-threshold range.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».