Cortical Thickness and Its Association with Clinical Cognitive and Neuroimaging Markers in Cerebral Amyloid Angiopathy
Notice bibliographique
Résumé
BACKGROUND: Cerebral amyloid angiopathy (CAA) contributes to brain neurodegeneration and cognitive decline, but the relationship between these two processes is incompletely understood. OBJECTIVE: The purpose of this study is to examine cortical thickness and its association with cognition and neurodegenerative biomarkers in CAA. METHODS: Data were collected from the Functional Assessment of Vascular Reactivity study and the Calgary Normative Study. In total, 48 participants with probable CAA, 72 cognitively normal healthy controls, and 24 participants with mild dementia due to AD were included. Participants underwent an MRI scan, after which global and regional cortical thickness measurements were obtained using FreeSurfer. General linear models, adjusted for age and sex, were used to compare cortical thickness globally and in an AD signature region. RESULTS: Global cortical thickness was lower in CAA compared to healthy controls (mean difference (MD) -0.047 mm, 95% confidence interval (CI) -0.088, -0.005, p = 0.03), and lower in AD compared to CAA (MD -0.104 mm, 95% CI -0.165, -0.043, p = 0.001). In the AD signature region, cortical thickness was lower in CAA compared to healthy controls (MD -0.07 mm, 95% CI -0.13 to -0.01, p = 0.02). Within the CAA group, lower cortical thickness was associated with lower memory scores (R2 = 0.10; p = 0.05) and higher white matter hyperintensity volume (R2 = 0.09, p = 0.04). CONCLUSION: CAA contributes to neurodegeneration in the form of lower cortical thickness, and this could contribute to cognitive decline. Regional overlap with an AD cortical atrophy signature region suggests that co-existing AD pathology may contribute to lower cortical thickness observed 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 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».