Interethnic differences in neuroimaging markers and cognition in Asians, a population-based study
Notice bibliographique
Résumé
We examined interethnic differences in the prevalence of neuroimaging markers of cerebrovascular and neurodegenerative disease in 3 major Asian ethnicities (Chinese, Malays, and Indians), as well as their role in cognitive impairment. 3T MRI brain scans were acquired from 792 subjects (mean age: 70.0 ± 6.5years, 52.1% women) in the multi-ethnic Epidemiology of Dementia In Singapore study. Markers of cerebrovascular disease and neurodegeneration were identified. Cognitive performance was evaluated using Mini Mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA), and a neuropsychological assessment. Compared to Chinese, Malays had a higher burden of intracranial stenosis (OR: 2.28. 95%CI: 1.23-4.20) and cortical atrophy (β: -0.60. 95%CI: -0.78, -0.41), while Indians had a higher burden of subcortical atrophy (β: -0.23. 95%CI: -0.40, -0.06). Moreover, Malay and Indian ethnicities were likely to be cognitively impaired (OR for Malays: 3.79. 95%CI: 2.29-6.26; OR for Indians: 2.87. 95%CI: 1.74-4.74) and showed worse performance in global cognition (β for Malays: -0.51. 95%CI: -0.66, -0.37; and Indians: -0.32. 95%CI: -0.47, -0.17). A higher burden of cerebrovascular and neurodegenerative markers were found in Malays and Indians when compared to Chinese. Further research is required to fully elucidate the factors and pathways that contribute to these observed differences.
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 | 0,001 | 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 | 0,001 |
| 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 ».