Risk Factors, Neuroanatomical Correlates, and Outcome of Neuropsychiatric Symptoms in Alzheimer’s Disease
Notice bibliographique
Résumé
BACKGROUND: An integrative model of neuropsychiatric symptoms (NPS) in Alzheimer's disease (AD) is lacking. OBJECTIVE: In this study, we investigated the risk factors, anatomy, biology, and outcomes of NPS in AD. METHODS: 181 subjects were included from the Alzheimer's Disease Neuroimaging Study (ADNI). NPS were assessed with the Neuropsychiatric Inventory Questionnaire at baseline and 6 months. NPI >3 was used as a threshold for NPS positivity. Three NPS courses were characterized: 1) minimal/absent (negative at 0 and 6 months, n = 77); 2) fluctuating (positive only at one time point, n = 53); 3) persistent (positive at both time points, n = 51). We examined the association between NPS course and family history of dementia, personal history of psychiatric disorders, cerebrospinal fluid biomarkers, atrophy patterns, as well as longitudinal cognitive and functional measures at 12 and 24 months (MMSE, CDR-SOB, FAQ). RESULTS: AD subjects with absent, fluctuating, or persistent NPS had similar CSF amyloid-β and tau levels. AD subjects with minimal/absent NPS had less personal history of psychiatric disorders (35%) than those with fluctuating (57%; p = 0.015) or persistent NPS (47%, not significant). At 24 months, AD subjects with persistent NPS had worse cognitive (MMSE; p = 0.05) and functional (CDR-SOB; p = 0.016) outcomes. Dorsolateral prefrontal atrophy was seen in persistent NPS, but not in fluctuating NPS. CONCLUSIONS: Our results suggest that individuals with personal history of psychiatric disorders might be more vulnerable to develop NPS throughout the course of AD. The worst cognitive and functional outcomes associated with NPS in AD underscores the importance of monitoring NPS early in the disease course.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».