MétaCan
Menu
Retour à la cohorte
Enregistrement W3093618934 · doi:10.1093/braincomms/fcaa177

Grey matter network trajectories across the Alzheimer’s disease continuum and relation to cognition

2020· article· en· W3093618934 sur OpenAlexfundno aff
Ellen Dicks, Lisa Vermunt, Wiesje M. van der Flier, Frederik Barkhof, Philip Scheltens, Betty M. Tijms

Notice bibliographique

RevueBrain Communications · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchNational Institutes of HealthGenentechIXICOH. Lundbeck A/SServierPfizerBiogenBioClinicaAlzheimer NederlandEisaiAmsterdam NeuroscienceZonMwNorthern California Institute for Research and EducationF. Hoffmann-La RocheUniversity of Southern CaliforniaEli Lilly and CompanyU.S. Department of DefenseMeso Scale DiagnosticsAlzheimer's Disease Neuroimaging InitiativeNovartis Pharmaceuticals CorporationBristol-Myers SquibbAlzheimer's AssociationFoundation for the National Institutes of Health
Mots-clésCognitive declineDementiaCognitionDiseaseGrey matterPsychologyAlzheimer's diseaseCognitive reserveMini–Mental State ExaminationNeuroscienceMedicineCognitive impairmentPathologyWhite matterMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Biomarkers are needed to monitor disease progression in Alzheimer's disease. Grey matter network measures have such potential, as they are related to amyloid aggregation in cognitively unimpaired individuals and to future cognitive decline in predementia Alzheimer's disease. Here, we investigated how grey matter network measures evolve over time within individuals across the entire Alzheimer's disease cognitive continuum and whether such changes relate to concurrent decline in cognition. We included 190 cognitively unimpaired, amyloid normal (controls) and 523 individuals with abnormal amyloid across the cognitive continuum (preclinical, prodromal, Alzheimer's disease dementia) from the Alzheimer's Disease Neuroimaging Initiative and calculated single-subject grey matter network measures (median of five networks per individual over 2 years). We fitted linear mixed models to investigate how network measures changed over time and whether such changes were associated with concurrent changes in memory, language, attention/executive functioning and on the Mini-Mental State Examination. We further assessed whether associations were modified by baseline disease stage. We found that both cognitive functioning and network measures declined over time, with steeper rates of decline in more advanced disease stages. In all cognitive stages, decline in network measures was associated with concurrent decline on the Mini-Mental State Examination, with stronger effects for individuals closer to Alzheimer's disease dementia. Decline in network measures was associated with concurrent cognitive decline in different cognitive domains depending on disease stage: In controls, decline in networks was associated with decline in memory and language functioning; preclinical Alzheimer's disease showed associations of decline in networks with memory and attention/executive functioning; prodromal Alzheimer's disease showed associations of decline in networks with cognitive decline in all domains; Alzheimer's disease dementia showed associations of decline in networks with attention/executive functioning. Decline in grey matter network measures over time accelerated for more advanced disease stages and was related to concurrent cognitive decline across the entire Alzheimer's disease cognitive continuum. These associations were disease stage dependent for the different cognitive domains, which reflected the respective cognitive stage. Our findings therefore suggest that grey matter measures are helpful to track disease progression in Alzheimer's disease.

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)0,001
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,064
Tête enseignante GPT0,365
Écart entre enseignants0,302 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain CommunicationsMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207