IC‐P‐128: SEX DIFFERENCES IN THE RELATIONSHIP BETWEEN CORTICAL NEURODEGENERATION AND FDG‐PET HYPOMETABOLISM IN AD AND PROGRESSIVE MCI
Notice bibliographique
Résumé
To better understand the relationship between cortical thinning (neurodegeneration) and cortical glucose hypometabolism throughout disease progression and across genders, the correlation between measures was compared in individuals with Alzheimer's Disease (AD, n = 223), Mild Cognitive Impairment (MCI, n= 261) who convert to AD, MCI who remain stable (n = 370), and normal controls (n = 282). All T1-MPRAGE and FDG-PET scans were downloaded from the Alzheimer's Disease Neuroimaging Initiative website (cohorts ADNI-1&2) and underwent further processing. MPRAGE scans underwent FreeSurfer processing, correcting for geometric inaccuracies or topological defects. PET data were projected onto the FreeSurfer cortical white surface. These processing steps resulted in vectors of cortical GM thickness and cortical GM FDG-PET uptake data, correspondingly indexed over the FreeSurfer template white surface and smoothed to the same degree across all subjects. Individual Pearson correlation coefficients were computed to assess subject-wise concordance of cortical thickness and cortical FDG-PET uptake measures. Linear mixed effects models assessing the effects of time, gender, diagnostic category on correlations while accounting for age, education and APOE-4 status were examined. Linear mixed-effects models revealed significant effect of time on the correlation between cortical thickness and cortical FDG-PET uptake, such that concordance between measures decreased across all time points (p<.001). Female participants had increased correlations across all time points (p<.05), and showed higher concordance than males at worsening disease-states (Females > Males at pMCI & AD, p<.05).
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 | 0,000 |
| 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 ».