Effects of sex, educational background, and chronic kidney disease grading on longitudinal cognitive and functional decline in patients in the Japanese Alzheimer's Disease Neuroimaging Initiative study
Notice bibliographique
Résumé
INTRODUCTION: The objective of this study was to determine whether sex or education level affects the longitudinal rate of cognitive decline in Japanese patients in the Alzheimer's disease Neuroimaging Initiative study with defined mild cognitive impairment (MCI). METHODS: We accessed the entire Japanese Alzheimer's Disease Neuroimaging Initiative data set of 537 individuals, among whom 234 had MCI and 149 had Alzheimer's disease. We classified participants into three categories of educational history: (1) low, 0 to 9 years; (2) moderate, 10 to 15 years; and (3) high ≥16 years. We examined the main effects and interactions of visit, sex, and educational achievement on scores for the Clinical Dementia Rating Sum of Boxes, Alzheimer's Disease Assessment Scale-cognitive subscale 13, Mini-Mental State Examination, and Functional Activities Questionnaire in a longitudinal manner. RESULTS: ) ε4 status but were absent in Alzheimer's disease over a 2-year period. Subtle differences in chronic kidney disease grade affected the rate of decline. A higher Fazekas periventricular hyperintensity score was associated with a lower estimated glomerular filtration rate in women only. DISCUSSION: In patients with MCI, sex and educational history significantly affected the rate of change in cognitive and clinical assessments. Furthermore, a subtle decline in chronic kidney disease grade was associated with a faster rate of decline regardless of amyloid pathology in women.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».