Serum triglycerides in Alzheimer disease
Notice bibliographique
Résumé
<h3>Objective</h3> To investigate the association of triglyceride (TG) principal component scores with Alzheimer disease (AD) and the amyloid, tau, neurodegeneration, and cerebrovascular disease (A/T/N/V) biomarkers for AD. <h3>Methods</h3> Serum levels of 84 TG species were measured with untargeted lipid profiling of 689 participants from the Alzheimer9s Disease Neuroimaging Initiative cohort, including 190 cognitively normal older adults (CN), 339 with mild cognitive impairment (MCI), and 160 with AD. Principal component analysis with factor rotation was used for dimension reduction of TG species. Differences in principal components between diagnostic groups and associations between principal components and AD biomarkers (including CSF, MRI and [<sup>18</sup>F]fluorodeoxyglucose-PET) were assessed with a generalized linear model approach. In both cases, the Bonferroni method of adjustment was used to correct for multiple comparisons. <h3>Results</h3> The 84 TGs yielded 9 principal components, 2 of which, consisting of long-chain, polyunsaturated fatty acid–containing TGs (PUTGs), were significantly associated with MCI and AD. Lower levels of PUTGs were observed in MCI and AD compared to CN. PUTG principal component scores were also significantly associated with hippocampal volume and entorhinal cortical thickness. In participants carrying the <i>APOE</i> ε4 allele, these principal components were significantly associated with CSF β-amyloid<sub>1–42</sub> values and entorhinal cortical thickness. <h3>Conclusion</h3> This study shows that PUTG component scores were significantly associated with diagnostic group and AD biomarkers, a finding that was more pronounced in <i>APOE</i> ε4 carriers. Replication in independent larger studies and longitudinal follow-up are warranted.
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) | 0,001 | 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 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 ».