MétaCan
Menu
Retour à la cohorte
Enregistrement W2801948581 · doi:10.3389/fnagi.2018.00101

Theta-Gamma Coupling and Working Memory in Alzheimer’s Dementia and Mild Cognitive Impairment

2018· article· en· W2801948581 sur OpenAlexafffund
Michelle S. Goodman, Sanjeev Kumar, Reza Zomorrodi, Zaid Ghazala, Amay Cheam, Mera S. Barr, Zafiris J. Daskalakis, Daniel M. Blumberger, Corinne E. Fischer, Alastair J. Flint, Linda Mah, Nathan Herrmann, Christopher R. Bowie, Benoit H. Mulsant, Tarek K. Rajji

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensSunnybrook Health Science CentreBaycrest HospitalHealth Sciences CentreUniversity of TorontoUniversity Health NetworkSt. Michael's HospitalCentre for Addiction and Mental Health
Organismes subventionnairesCanadian Institutes of Health ResearchHealth CanadaW. Garfield Weston FoundationWeston Brain InstituteOntario Ministry of Research and InnovationFondation Brain Canada
Mots-clésDementiaWorking memoryCognitive impairmentCognitionPsychologyNeuroscienceMemory impairmentCognitive psychologyMedicineDiseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

Working memory deficits are common among individuals with Alzheimer’s dementia (AD) or mild cognitive impairment (MCI). Yet, little is known about the mechanisms underlying these deficits. Theta-gamma coupling – the modulation of high-frequency gamma oscillations by low-frequency theta oscillations – is a neurophysiologic process underlying working memory. We assessed the relationship between theta-gamma coupling and working memory deficits in AD and MCI. We hypothesized that: (1) individuals with AD would display the most significant working memory impairments followed by MCI and finally healthy control participants and (2) there would be a significant association between working memory performance and theta-gamma coupling across all participants. Ninety-eight participants completed the N-back working memory task during an electroencephalography (EEG) recording: 33 with AD (mean ± SD age: 76.5 ± 6.2), 34 with MCI (mean ± SD age: 74.8 ± 5.9) and 31 healthy controls (mean ± SD age: 73.5 ± 5.2). AD participants performed significantly worse than control and MCI participants on the 1- and 2-back conditions. Regarding theta-gamma coupling, AD participants demonstrated the lowest level of coupling followed by the MCI and finally control participants on the 2-back condition. Finally, a linear regression analysis demonstrated that theta-gamma coupling (β = 0.69, p < 0.001) was the most significant predictor of 2-back performance. Our results provide evidence for a relationship between altered theta-gamma coupling and working memory deficits in individuals with AD and MCI. They also provide insight into a potential mechanism underlying working memory impairments in these individuals.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,308
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations194
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetMemory and Neural MechanismsTravaux en français237 207