Ketones: potential to achieve brain energy rescue and sustain cognitive health during ageing
Notice bibliographique
Résumé
Alzheimer’s disease (AD) is the most common major neurocognitive disorder of ageing. Although largely ignored until about a decade ago, accumulating evidence suggests that deteriorating brain energy metabolism plays a key role in the development and/or progression of AD-associated cognitive decline. Brain glucose hypometabolism is a well-established biomarker in AD but was mostly assumed to be a consequence of neuronal dysfunction and death. However, its presence in cognitively asymptomatic populations at higher risk of AD strongly suggests that it is actually a pre-symptomatic component in the development of AD. The question then arises as to whether progressive AD-related cognitive decline could be prevented or slowed down by correcting or bypassing this progressive ‘brain energy gap’. In this review, we provide an overview of research on brain glucose and ketone metabolism in AD and its prodromal condition – mild cognitive impairment (MCI) – to provide a clearer basis for proposing keto-therapeutics as a strategy for brain energy rescue in AD. We also discuss studies using ketogenic interventions and their impact on plasma ketone levels, brain energetics and cognitive performance in MCI and AD. Given that exercise has several overlapping metabolic effects with ketones, we propose that in combination these two approaches might be synergistic for brain health during ageing. As cause-and-effect relationships between the different hallmarks of AD are emerging, further research efforts should focus on optimising the efficacy, acceptability and accessibility of keto-therapeutics in AD and populations at risk of AD.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».