Sex‐ and age‐specific associations between cardiometabolic risk and white matter brain age in the <scp>UK</scp> Biobank cohort
Notice bibliographique
Résumé
Cardiometabolic risk (CMR) factors are associated with accelerated brain aging and increased risk for sex-dimorphic illnesses such as Alzheimer's disease (AD). Yet, it is unknown how CMRs interact with sex and apolipoprotein E-ϵ4 (APOE4), a known genetic risk factor for AD, to influence brain age across different life stages. Using age prediction based on multi-shell diffusion-weighted imaging data in 21,308 UK Biobank participants, we investigated whether associations between white matter Brain Age Gap (BAG) and body mass index (BMI), waist-to-hip ratio (WHR), body fat percentage (BF%), and APOE4 status varied (i) between males and females, (ii) according to age at menopause in females, and (iii) across different age groups in males and females. We report sex differences in associations between BAG and all three CMRs, with stronger positive associations among males compared to females. Independent of APOE4 status, higher BAG (older brain age relative to chronological age) was associated with greater BMI, WHR, and BF% in males, whereas in females, higher BAG was associated with greater WHR, but not BMI and BF%. These divergent associations were most prominent within the oldest group of females (66-81 years), where greater BF% was linked to lower BAG. Earlier menopause transition was associated with higher BAG, but no interactions were found with CMRs. In conclusion, the findings point to sex- and age-specific associations between CMRs and brain age. Incorporating sex as a factor of interest in studies addressing CMR may promote sex-specific precision medicine, consequently improving health care for both males and females.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».