Obesity impacts brain metabolism and structure independently of amyloid and tau pathology in healthy elderly
Notice bibliographique
Résumé
Abstract Background: Mid-life obesity is related to increased risk for overall dementia and Alzheimer´s disease (AD) dementia. In the present work, we aimed to investigate the impact of obesity on brain structure, metabolism, and cerebrospinal fluid (CSF) biomarkers of amyloid (Aβ 1-42) and tau-pathology (total-tau and p-tau) in healthy elderly. Methods: We selected healthy controls from ADNI2 with available CSF AD biomarkers and/or fluorodeoxyglucose (FDG) PET and 3T-MRI. Participants without follow-up or with significant weight loss were excluded from the analyses. Brain cortical thickness (Cth) was evaluated with Freesurfer software and FDG uptake was measured with a surface-based method using both SPM and Freesurfer softwares. We performed regression analyses between FDG uptake, CTh, CSF AD biomarkers levels and BMI and interaction analyses with age by obesity/overweight status. Results: We included 147 individuals (mean age 73.3 years, mean BMI 27.4 Kg/m 2 ). Higher BMI was related to less cortical thickness and higher glucose metabolism in brain areas not typically involved in AD (FWE<0.05), with little overlap between them. There was no association between BMI and any of the CSF core AD biomarkers. The relationship between age and brain metabolism was modified by overweight/obesity status, but not that of age and brain structure or core CSF AD biomarkers. Conclusions: Our data support that obesity has differential effects on brain metabolism and structure independent of an underlying AD pathophysiology in cognitively unimpaired elderly.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».