Cancer History Is Associated with Slower Speed of Cognitive Decline in Patients with Amnestic Cognitive Impairment
Notice bibliographique
Résumé
BACKGROUND: Several epidemiological studies report a negative association between Cancer and Alzheimer's disease (AD). OBJECTIVE: To characterize the trajectories of memory loss in individuals with early amnestic cognitive impairment with and without history of previous cancer. METHODS: Cognitive deterioration was assessed using the Montreal Cognitive Assessment (MoCA) or MoCA-Memory Index Score (MoCA-MIS) biannually in subjects with early amnestic cognitive impairment followed-up retrospectively from 2007 to 2021. History of Cancer was obtained from clinical records. Simple linear regressions of MoCA-MIS scores were calculated for each subject and analyzed with K-means cluster analysis to identify subgroups with different cognitive decline trajectories. χ2 and t tests were used for descriptive categorical and continuous variables and mixed multiple linear regressions to determine cognitive decline covariates. RESULTS: Analysis of the trajectory of cognitive decline in 141 subjects with early amnestic cognitive impairment identified two subgroups: Fast (n = 60) and Slow (n = 81) progressors. At baseline Fast progressors had better MoCA-MIS (p < 0.001) and functionality (CDR p = 0.02, AD8 p = 0.05), took less anti-dementia medications (p = 0.005), and had higher depression rates (p = 0.02). Interestingly, Fast progressors slowed their speed of memory decline (from 1.6 to 1.1 MoCA-MIS points/year) and global cognitive decline (from 2.0 to 1.4 total MoCA points/year) when Cancer history was present. CONCLUSION: Two trajectories of amnestic cognitive decline were identified, possibly derived from different neurophysiopathologies or clinical stages. This study suggests that a history of previous Cancer slows down amnestic cognitive decline, specifically in a subgroup of subjects with depression at baseline and accelerated deterioration at follow-up.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».