Network efficiency predicts resilience to cognitive decline in elderly at risk for Alzheimer’s
Notice bibliographique
Résumé
Abstract To determine whether white matter network efficiency (WMNE) may be a surrogate marker of the physiological basis of resilience to cognitive decline in elderly persons without dementia and age and AD-related cerebral pathology, we quantified WMNE from baseline MRI scans and investigated its association with longitudinal neuropsychological assessments independent of baseline amyloid, tau and white matter hyperintensity volume. 85 cognitively normal elderly subjects and patients with mild cognitive impairment (MCI) with baseline diffusion imaging, CSF specimens, AV45-PET and longitudinal cognitive assessments were included. WMNE was calculated from reconstructed cerebral white matter networks for each individual. Mixed linear effects models were estimated to investigate the association of higher resilience to cognitive decline with higher WMNE and the modulation of this association by increased cerebral amyloid, CSF tau or WMHV. For the majority of cognitive outcome measures, higher WMNE was associated with higher resilience to cognitive decline independently of pathology measures (beta: .074 – .098; p: .011 – .039). Additionally, WMNE was consistently associated with higher resilience to cognitive decline in subjects with higher cerebral amyloid burden (beta: .024 – .276; p: .000 – .036) and with lower CSF tau (beta: −.030 – −.074; p: .015 – .002) across all cognitive outcome measures. The results of this study indicate that WMNE in particular and possibly white matter organization in general may be worthy targets of investigation to provide measures quantifying a patient’s resilience to cognitive decline and thus provide an individual prognosis.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».