Diabetes Mellitus and Cognition
Notice bibliographique
Résumé
ObjectiveTo assess the role of biomarkers of Alzheimer disease (AD), neurodegeneration, and small vessel disease (SVD) as mediators in the association between diabetes mellitus and cognition. MethodsThe study sample was derived from MEMENTO, a cohort of French adults recruited in memory clinics and screened for either isolated subjective cognitive complaints or mild cognitive impairment. Diabetes was defined based on blood glucose assessment, use of antidiabetic agent, or self-report. We used structural equation modeling to assess whether latent variables of AD pathology (PET mean amyloid uptake, Aβ42/Aβ40 ratio, and CSF phosphorylated tau), SVD (white matter hyperintensities volume and visual grading), and neurodegeneration (mean cortical thickness, brain parenchymal fraction, hippocampal volume, and mean fluorodeoxyglucose uptake) mediate the association between diabetes and a latent variable of cognition (5 neuropsychological tests), adjusting for potential confounders. ResultsThere were 254 (11.1%) participants with diabetes among 2,288 participants (median age 71.6 years; 61.8% women). The association between diabetes and lower cognition was significantly mediated by higher neurodegeneration (standardized indirect effect: −0.061, 95% confidence interval: −0.089, −0.032), but not mediated by SVD and AD markers. Results were similar when considering latent variables of memory or executive functioning. ConclusionIn a large clinical cohort in the elderly, diabetes is associated with lower cognition through neurodegeneration, independently of SVD and AD biomarkers.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».