MétaCan
Menu
Retour à la cohorte
Enregistrement W4200043027 · doi:10.1093/jnen/nlab125

Histopathological Analysis of Cerebrovascular Lesions Associated With Aging

2021· article· en· W4200043027 sur OpenAlexafffundabout
Caroline Dallaire‐Théroux, Stéphan Saïkali, Maxime Richer, Olivier Potvin, Simon Duchesne

Notice bibliographique

RevueJournal of Neuropathology & Experimental Neurology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversité LavalCentre hospitalier universitaire de Québec
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicinePathologyCardiology

Résumé

récupéré en direct d'OpenAlex

Cerebrovascular disease (CVD) has been associated with cognitive impairment. Yet, our understanding of vascular contribution to cognitive decline has been limited by heterogeneity of definitions and assessment, as well as its occurrence in cognitively healthy aging. Therefore, we aimed to establish the natural progression of CVD associated with aging. We conducted a retrospective observational study of 63 cognitively healthy participants aged 19-84 years selected through the histological archives of the CHU de Québec. Assessment of CVD lesions was performed independently by 3 observers blinded to clinical data using the Vascular Cognitive Impairment Neuropathology Guidelines (VCING). We found moderate to almost perfect interobserver agreement for most regional CVD scores. Atherosclerosis (ρ = 0.758) and arteriolosclerosis (ρ = 0.708) showed the greatest significant association with age, followed by perivascular hemosiderin deposits (ρ = 0.432) and cerebral amyloid angiopathy (CAA; ρ = 0.392). Amyloid and tau pathologies were both associated with higher CVD load, but only CAA remained significantly associated with amyloid plaques after controlling for age. Altogether, these findings support the presence of multiple CVD lesions in the brains of cognitively healthy adults, the burden of which increases with age and can be quantified in a reproducible manner using standardized histological scales such as the VCING.

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 enseignants0,040
Score d'incertitude au seuil0,079

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
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,019
Tête enseignante GPT0,275
Écart entre enseignants0,257 · 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

Citations12
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Neuropathology & Experimental NeurologyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207