Verbal memory and hippocampal volume predict subsequent fornix microstructure in those at risk for Alzheimer’s disease
Notice bibliographique
Résumé
While strong cross-sectional evidence supported the use of fornix microstructure as a marker for detecting Alzheimer's disease (AD), longitudinal data remains inconclusive on the sequential nature of fornix microstructure abnormalities and AD progression. An unequivocal longitudinal relationship between fornix microstructure and markers of AD progression -memory impairment and hippocampal atrophy, must be established to validate fornix microstructure as a marker of AD progression. We included 115 participants from the Alzheimer's Disease Neuroimaging Initiative across the non-demented AD spectrum- defined as those who had at least one AD risk marker at baseline (e.g., mild cognitive impairment (MCI) due to AD diagnosis, amyloid or ApoE4 positivity) and/or 'cognitively normal individuals who converted to MCI due to AD or AD, with structural and diffusion tensor imaging scans at baseline and two years follow-up. Hippocampal volumes (HV), fractional anisotropy (FA) and mean diffusivity (MD) in the fornix were extracted. Memory was indexed via composite scores of verbal memory tests. Structural equation models tested the bidirectional cross-lagged effects of fornix microstructure, memory, and HV. Impaired memory and smaller HV at baseline significantly predicted worse fornix microstructure (decreased FA and increased MD) two years later. Baseline fornix microstructure was not associated with subsequent changes in memory and HV. Fornix microstructure is compromised likely at a later stage, where significant decline in memory and hippocampal atrophy have occurred. This limits the utility of fornix microstructure in the early detection of AD. Our findings inform the possible pathophysiology and refined the use of AD neural markers.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».