MétaCan
Menu
← Retour à la cohorte
Enregistrement W4206253725 · doi:10.1002/alz.058103

Associations between iron deposition in the brain and grey matter volumes in cognitively unimpaired adults

2021· article· en· W4206253725 sur OpenAlexaboutno aff
Laura Stankeviciute, Carles Falcón, Grégory Operto, Santiago Rojas, Oriol Grau‐Rivera, Marina Garcia, Carolina Minguillón, Karine Fauria, José Luís Molinuevo, Henrik Zetterberg, Kaj Blennow, Marc Suárez‐Calvet, Raffaele Cacciaglia, Juan Domingo Gispert

Notice bibliographique

RevueAlzheimer s & Dementia · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrey matterMagnetic resonance imagingVoxelNuclear medicineVoxel-based morphometryPsychologyWhite matterCerebrospinal fluidBrain sizeCohortMedicinePathologyInternal medicineNeuroscienceRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Iron dyshomeostasis is involved in the pathophysiology of Alzheimer’s disease (AD). Magnetic resonance imaging (MRI) is sensitive to iron in the brain as its concentration decreases the intensity of T2‐weighted images. However, there is little evidence on how iron affects structural changes in the brain of cognitively unimpaired individuals at the inception of the Alzheimer’s continuum. This research aimed to investigate the relationship between T2 MR hypointensities, as a proxy for iron content, and grey matter volume (GMv) in middle‐aged cognitively unimpaired (CU) individuals. Methods This cross‐sectional study included 302 CU adults from the ALFA+ cohort who underwent MRI, cerebrospinal fluid sampling (CSF) and neuropsychological assessment (Table 1). T2‐weighted images were used to calculate mean hypointensity values in a set of 18 subcortical nuclei ( http://nist.mni.mcgill.ca/?p=1209 ). T1w scans were entered into voxel‐based morphometry (VBM) analysis to evaluate the relationship between regional T2 intensities and GM volumes. Due to the strong correlations between the T2 intensity of the subcortical regions, we performed principal component analysis (PCA) to reduce the dimensionality (Table 2). We created a general linear model where GMv was the dependent variable, the first principal component (PC1) was the independent variable and age, sex, APOE‐ε4 status, education level and total intracranial volume (TIV) were the covariates. In an additional model, CSF levels of amyloid‐beta (Aβ) ratio (CSF Aβ42/40) and phosphorylated tau (p‐tau) were entered as covariates. Statistical significance was set at p<0.001 uncorrected for multiple comparisons with a cluster‐level threshold of 100. Results PC1 explained 47.64% of the variance, and it was significantly and negatively associated with grey matter volumes in a highly symmetrical pattern which included the parahippocampal cortex (Table 3. Figure 1). These results remained largely unchanged when entering CSF AD biomarkers in the model. Conclusions Our results indicate that, in cognitively unimpaired individuals, a higher content of iron deposition, as expressed by lower T2‐weighted MR intensities in subcortical regions, are associated with higher grey matter volumes in parahippocampus, independently of CSF AD biomarkers. These preliminary results may suggest that iron accumulation might be associated with neuroinflammatory mechanisms and render the brain more vulnerable to early AD pathology.

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)0,000
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 enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,047
Tête enseignante GPT0,324
Écart entre enseignants0,277 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→