COMPLEX INTERACTIONS BETWEEN INFLAMMATION AND METABOLIC HORMONES DURING AGING
Notice bibliographique
Résumé
Introduction: We recently found that higher neurodegenerative genetic risk exacerbates the deleterious effects of type 2 diabetes on aging-related neurocognitive slowing. We now examine whether favorable genotypes of neurodegenerative genes will independently or interactively (with vascular health) predict preserved executive function (EF) levels and trajectories in older adults. Using Victoria Longitudinal Study (VLS) data, we test two key Alzheimer's-risk genes (ApoE, rs429358, rs7412; PICALM, rs541548) for potential synergy with pulse pressure (PP). Method: This VLS subsample was based on ApoE genotyping (n=219, M age=70, range=53-90), contrasting risk-reducing e2+ with risk-elevating e4+ groups. Latent growth modeling was applied in an accelerated longitudinal design over a 40-year band of aging with up to 3 waves of EF performance. We systematically examined combinations of cumulative low versus high-risk from ApoE and PICALM, as supplemented similarly by CLU (rs11136000) and CR1 (rs6656401). Lower PP represented healthier vasculature. Results: First, both p=.548; p=.164; p=.015) x PP models showed that lower genetic risk enhanced the beneficial effects of lower PP on EF. Second, models testing two genetic composites (ApoE or PICALM [plus CLU and CR1]) x PP interactions provided important clarification. For both composites (lowrisk p>.05; high-risk p<.05), lower genetic risk magnified the beneficial effects of healthy PP on EF performance and longitudinal stability. Conclusion: "Successful" cognitive aging may be represented by long-term longitudinal stability. Such non-decline patterns may be promoted through synergies produced by risk-reducing biological (genetic) and health (vascular) factors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».