Cross-sectional and longitudinal differences in peak skeletonized white matter mean diffusivity in cerebral amyloid angiopathy
Notice bibliographique
Résumé
OBJECTIVES: To test the hypotheses that peak skeletonized mean diffusivity (PSMD), a measure of cerebral white matter microstructural disruption, is 1) increased in patients with cerebral amyloid angiopathy (CAA) compared to normal control (NC), mild cognitive impairment (MCI), and Alzheimer's disease (AD); 2) associated with neuropsychological test performance among CAA patients; and 3) increased more quickly over one year in CAA than in AD, MCI, and NC. METHODS: Ninety-two participants provided a medical history, completed a neuropsychological assessment, and had a magnetic resonance (MR) exam including diffusion tensor imaging (DTI) from which PSMD was calculated. A 75-minute neuropsychological test battery was used to derive domain scores for memory, executive function, and processing speed. Multivariable analyses controlling for age and sex (and education, for cognitive outcomes) were used to test the study hypotheses. RESULTS: /s) groups (p < .01). Among CAA patients, higher PSMD was associated with slower processing speed (estimated -0.22 standard deviation (SD) change in processing speed z score per SD increase in PSMD, 95% CI -0.42 to -0.03, p = .03), higher WMH volume [β = 0.74, CI 0.48 to 1.00], and higher CAA SVD score [β = 0.68, CI 0.24 to 1.21] but was not associated with MMSE, executive function, memory, CMB count, or cortical thickness. PSMD increased over 1-year in all groups (p < .01) but without rate differences between groups (p = .66). CONCLUSIONS: PSMD, a simple marker of diffuse global white matter heterogeneity, is increased in CAA. Our findings further support a role for white matter disruption in causing cognitive impairment in CAA.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 |
| 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 ».