Gray matter structural covariance networks changes along the Alzheimer's disease continuum
Notice bibliographique
Résumé
AT(N) classification system CSF Tau protein Amyloid A B S T R A C T Alzheimer's disease (AD) has a long neuropathological accumulation phase before the onset of dementia. Such AD neuropathological deposition between neurons impairs the synaptic communication, resulting in networks disorganization. Our study aimed to explore the evolution patterns of gray matter structural covariance networks (SCNs) along AD continuum. Based on the AT(N) (i.e., Amyloid/Tau/Neurodegeneration) pathological classification system, we classified subjects into four groups using cerebrospinal fluid amyloid-beta 1-42 (A) and phosphorylated tau protein 181 (T). We identified 101 subjects with normal AD biomarkers (A-T-), 40 subjects with Alzheimer's pathologic change (A + T-), 101 subjects with biological AD (A + T+) and 91 AD with dementia (demented subjects with A + T+). We used four regions of interest to anchor default mode network (DMN, medial temporal subsystem and midline core subsystem), salience network (SN) and executive control network (ECN). Finally, we used a multi-regression model-based linear-interaction analysis to assess the SCN changes. Along the disease progression, DMN and SN showed increased structural association at the early stage while decreased structural association at the late stage. Moreover, ECN showed progressively increased structural association as AD neuropathological profiles progress. In conclusion, this study found the dynamic trajectory of SCNs changes along the AD continuum and support the network disconnection hypothesis underlying AD neuropathological progression. Further, SCN may potentially serve as an effective AD biomarker.
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 | 0,006 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».