Functional connectivity in cognitive control networks mitigates the impact of white matter lesions in the elderly
Notice bibliographique
Résumé
BACKGROUND: Cerebrovascular pathology, quantified by white matter lesions (WML), is known to affect cognition in aging, and is associated with an increased risk of dementia. The present study aimed to investigate whether higher functional connectivity in cognitive control networks mitigates the detrimental effect of WML on cognition. METHODS: Nondemented older participants (≥ 50 years; n = 230) underwent cognitive evaluation, fluid-attenuated inversion recovery (FLAIR) magnetic resonance imaging (MRI), and resting state functional magnetic resonance imaging (fMRI). Total WML volumes were quantified algorithmically. Functional connectivity was assessed in preselected higher-order resting state networks, namely the fronto-parietal, the salience, and the default mode network, using global and local measures. Latent moderated structural equations modeling examined direct and interactive relationships between WML volumes, functional connectivity, and cognition. RESULTS: Larger WML volumes were associated with worse cognition, having a greater impact on executive functions (β = -0.37, p < 0.01) than on memory (β = -0.22, p < 0.01). Higher global functional connectivity in the fronto-parietal network and higher local connectivity between the salience network and medial frontal cortex significantly mitigated the impact of WML on executive functions, (unstandardized coefficients: b = 2.39, p = 0.01; b = 3.92, p = 0.01) but not on memory (b = -5.01, p = 0.51, b = 2.01, p = 0.07, respectively). No such effects were detected for the default mode network. CONCLUSION: Higher functional connectivity in fronto-parietal and salience networks may protect against detrimental effects of WML on executive functions, the cognitive domain that was predominantly affected by cerebrovascular pathology. These results highlight the crucial role of cognitive control networks as a neural substrate of cognitive reserve in older 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| 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 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».