Evidence that iron accelerates Alzheimer’s pathology: a CSF biomarker study
Notice bibliographique
Résumé
Objective To investigate whether cerebrospinal fluid (CSF) ferritin (reporting brain iron) is associated with longitudinal changes in CSF β-amyloid (Aβ) and tau. Methods Mixed-effects models of CSF Aβ 1-42 and tau were constructed using data from 296 participants who had baseline measurement of CSF ferritin and annual measurement of CSF tau and Aβ 1-42 for up to 5 years. Results In subjects with biomarker-confirmed Alzheimer’s pathology, high CSF ferritin (>6.2 ng/mL) was associated with accelerated depreciation of CSF Aβ 1-42 (reporting increased plaque formation; p=0.0001). CSF ferritin was neither associated with changes in CSF tau in the same subjects, nor longitudinal changes in CSF tau or Aβ 1-42 in subjects with low baseline pathology. In simulation modelling of the natural history of Aβ deposition, which we estimated to occur over 31.4 years, we predicted that it would take 12.6 years to reach the pathology threshold value of CSF Aβ from healthy normal levels, and this interval is not affected by CSF ferritin. CSF ferritin influences the fall in CSF Aβ over the next phase, where high CSF ferritin accelerated the transition from threshold preclinical Aβ levels to the average level of Alzheimer’s subjects from 18.8 to 10.8 years. Conclusions Iron might facilitate Aβ deposition in Alzheimer’s and accelerate the disease process.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».