MétaCan
Menu
Retour à la cohorte
Enregistrement W3087434629 · doi:10.3389/fnagi.2020.571074

Lower Thalamic Blood Flow Is Associated With Slower Stride Velocity in Older Adults

2020· article· en· W3087434629 sur OpenAlexafffund
Noah Koblinsky, Sarah Atwi, Ellen Cohen, Nicole D. Anderson, Carol E. Greenwood, Bradley J. MacIntosh, Andrew D. Robertson

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensHeart and Stroke FoundationUniversity of TorontoSunnybrook Health Science CentreBaycrest Hospital
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaConsortium canadien en neurodégénérescence associée au vieillissementBrain and Behavior Research Foundation
Mots-clésPutamenGaitCerebral blood flowPhysical medicine and rehabilitationPsychologyHyperintensityFrontal lobeMedicineCardiologyInternal medicineNeuroscienceMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Background: Gait deficits are associated with brain atrophy and white matter hyperintensities (WMH) – both markers of underlying cerebral small vessel disease (SVD). Given reduced subcortical cerebral blood flow (CBF) is prevalent in SVD, we tested the hypothesis that regional CBF is positively associated with gait performance among older adults. Methods: Thirty-two older adults (55-80 years) with at least one vascular risk factor were recruited. We assessed gait during 2 consecutive walking sequences using a GAITRite system: 1) at a self-selected pace, and 2) while performing a serial subtraction dual-task challenge. We quantified CBF using pseudo-continuous arterial spin labeling MRI within 4 regions of interest: putamen, pallidum, thalamus, and hippocampus. We investigated associations between gait characteristics and overall CBF adjusting for age, sex, and height in an omnibus approach using multivariate analysis of variance, followed by regression analysis with each individual region. We also conducted further regression analyses to investigate associations between gait characteristics and frontal lobe CBF. Sensitivity analyses examined how the observed associations were modified by WMH, executive function, and depressive symptoms. A change of 10% in the model’s adjusted r2 and effect size was considered as a threshold for confounding. Results: Overall subcortical CBF was not associated with self-paced gait. When examining individual ROI, gait velocity was directly related to thalamic CBF (p = .026), and across all gait variables the largest effect sizes were observed in relation to thalamic CBF. In the dual-task condition, gait variables were not related to CBF in either the omnibus approach or individual multiple regressions. Furthermore, no significant associations were observed between frontal CBF and gait variables in either the self-paced or dual-task condition. Sensitivity analyses which were restricted to examine the association of velocity and thalamic CBF identified a cofounding effect of depressive symptoms which increased the effect size of the CBF-gait association by 12%. Conclusions: Subcortical hypoperfusion, particularly in regions that comprise central input/output tracts to the cortical tissue, may underlie the association between gait deficits and brain aging.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,283
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207