Prefrontal Aβ pathology influencing the pathway from apathy to cognitive decline in non-dementia elderly
Notice bibliographique
Résumé
Abstract The purpose of this study is to investigate the complex connection between apathy and cognitive decline that remains unclear. A total of 1057 non-dementia elderly from the Alzheimer’s Disease Neuroimaging Initiative (ADNI) database received up to 13 years of follow-up and were divided into an apathy negative (−) group of 943 participants and an apathy positive (+) group of 114 participants through the Neuropsychiatric Inventory (NPI)-apathy subitem. Cerebrospinal fluid (CSF) AD biomarkers and amyloid β (Aβ) PET were measured, and their longitudinal changes were assessed using linear mixed-effects models. Risk factors for cognitive decline and apathy conversion were explored through the Cox proportional hazards model. Mediation effects of Aβ pathology on cognition were investigated using the causal mediation analysis. Apathy syndrome was associated with faster impairment of cognition and elevation of the Aβ burden. The effects of apathy on cognitive function and life quality were mediated by Aβ pathology, including CSF Aβ 42 /total tau ratio, and Aβ deposition in the prefrontal regions. Apathy syndrome was the risk factor for cognitive deterioration; meanwhile, frontal Aβ burden was the risk factor for apathy conversion. Apathy syndrome is an early manifestation of cognitive decline and there are bidirectional roles between apathy syndrome and Aβ pathology. Prefrontal Aβ pathology influenced the pathway from apathy to cognitive decline.
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 ».