Mixed Models Quantify Annual Volume Change; Linear Regression Determines Thalamic Volume as the Best Subcortical Structure Volume Predictor in Alzheimer’s Disease and Aging
Notice bibliographique
Résumé
Abstract Background Thalamus-hippocampus-putamen and thalamus-cerebellar interconnections are dense. The extent this connectivity is paralleled by each structure’s volume impact on another is unquantified in Alzheimer’s disease (AD). Mixed model quantification of annual volume change in AD is scarce and absent inclusive of the cerebellum, hippocampus, putamen and lateral ventricles and thalamus. Among these structures, autopsy evidence of early-stage AD seems largely but not entirely restricted to the hippocampus and thalamus. Objective Variation in annual volume related to time and baseline age was assessed for the hippocampus, putamen, cerebellum, lateral ventricles and thalamus. Which subcortical structure’s volume had the largest explanatory effect of volume variation in other subcortical structures was also determined. Method The intraclass correlation coefficient was used to assess test-retest reliability of structure automated segmentation. Linear regression ( N = 45) determined which structure’s volume most impacted volume of other structures. Finally, mixed models ( N = 36; 108 data points) quantified annual structure volume change from baseline to 24-months. Results High test-retest reliability was indicated by a mean ICC score of .989 ( SD = .012). Thalamic volume consistently had the greatest explanatory effect of hippocampal, putamen, cerebellar and lateral ventricular volume. The group variable proxy for AD significantly contributed to the best-fitting hippocampal linear regression model, hippocampal and thalamic longitudinal mixed models, and approached significance in the longitudinal lateral ventricular mixed model. Mixed models determined time (1 year) had a negative effect on hippocampal, cerebellar and thalamic volume, no effect on putamen volume, and a positive effect on lateral ventricular volume. Baseline age had a negative effect on hippocampal and thalamic volume, no effect on cerebellar or putamen volume and a positive effect on lateral ventricular volume. Interpretation Linear regression determined thalamic volume as a virtual centralized index of hippocampal, cerebellar, putamen, and lateral ventricular volume. Relative to linear regression, longitudinal mixed models had greater sensitivity to detect contribution of early AD, or potential AD pathology (MCI), via the group variable not just to volume reduction in the hippocampus but also in the thalamus.
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 | 0,028 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».