Abstract WMP49: White Matter Hyperintensities in a High Risk Population Living in Marginal Housing (HOTEL study)
Notice bibliographique
Résumé
Background: White Matter Hyperintensities (WMH) are features of cerebral small vessel disease (cSVD) along with lacunes, cerebral microbleeds and perivascular spaces. Vascular risk factors account for only a small proportion of the variability of the presence of WMH, and the role of additional risk factors including drug use/dependence or infections is not well defined. Objective: Examine prevalence and risk factors associated with WMH of presumed vascular origin within the HOTEL cohort, a population living in marginal housing with a high prevalence of prior homelessness, substance dependence, head trauma, mental illness and infectious diseases. Methods: Baseline imaging on 3T MRI included T1, T2-FLAIR and SWI sequences. WMH not consistent with vascular origins were excluded. Two raters assessed WMH using the Fazekas scale. Participants were divided into those with or without moderate-severe WMH (periventricular Fazekas score >2 or deep score >1). Potential cSVD risk factors which were significant on univariate analysis were entered into a multivariable stepwise binomial logistic regression to identify independent risk factors for moderate-severe WMH. Results: Intraclass coefficient for inter-rater reliability was 0.948 (95% CI, 0.924 to 0.965) for periventricular WMH and 0.848 (95% CI, 0.782 to 0.895) for deep WMH. Baseline prevalence of moderate-severe WMH (mean age 43.6 ± 9.5 years, 78% male) was 24.5%, much higher than in other, older healthy aging cohorts (Table). Age (OR 1.085, 95%CI 1.042-1.130), systolic blood pressure (OR 1.033, 95%CI 1.008-1.058) and regular injection drug use (OR 3.655, 95%CI 1.284-10.403) together explained 23.5% of variance in the presence of moderate-severe WMH within this population, with injection drug use having the largest effect. Conclusions: This young cohort appears to have an accelerated burden of cSVD, with injected drug use as a major risk factor. Further research is needed to elucidate potential mechanisms.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».