Cerebral Small Vessel Disease, Risk Factors, and Cognition in Tenants of Precarious Housing
Notice bibliographique
Résumé
Background and Purpose: We aim to describe the burden, characteristics, and cognitive associations of cerebral small vessel disease in a Canadian sample living with multimorbidity in precarious housing. Methods: Participants received T1, T2-fluid-attenuated inversion recovery, and susceptibility-weighted imaging 3T magnetic resonance imaging sequences and comprehensive clinical, laboratory, and cognitive assessments. Cerebral small vessel disease burden was characterized using a modified Small Vessel Disease (mSVD) score. One point each was given for moderate-severe white matter hyperintensities, ≥1 cerebral microbleeds, and ≥1 lacune. Multivariable regression explored associations between mSVD score, risk factors, and cognitive performance. Results: Median age of the 228 participants (77% male) was 44.7 years (range, 23.3–63.2). In n=188 participants with consistent good quality magnetic resonance imaging sequences, mSVD scores were 0 (n=127, 68%), 1 (n=50, 27%), and 2 (n=11, 6%). Overall, one-third had an mSVD ≥1 n=61 (32%); this proportion was unchanged when adding participants with missing sequences n=72/228 (32%). The most prevalent feature was white matter hyperintensities 53/218 (24%) then cerebral microbleed 16/191 (8%) and lacunes 16/228 (7%). Older age (odds ratio, 1.10 [95% CI, 1.05–1.15], P <0.001), higher diastolic blood pressure (odds ratio, 1.05 [95% CI, 1.01–1.09], P =0.008), and a history of injection drug use (odds ratio, 3.13 [95% CI, 1.07–9.16], P =0.037) had significant independent associations with a mSVD score of ≥1 in multivariable analysis. mSVD ≥1 was associated with lower performance on tests of verbal memory, sustained attention, and decision-making, contributing 4% to 5% of the variance in each cognitive domain. Conclusions: The 32% prevalence of cerebral small vessel disease in this young, socially marginalized cohort was higher than expected for age and was associated with poorer cognitive performance.
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 | 0,000 | 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».