MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312086512 · doi:10.1002/alz.066686

Cerebrovascular injury markers explain the effect of systemic vascular risk on cognitive decline in older adults with lower amyloid burden

2022· article· en· W4312086512 sur OpenAlexaff
Zahra Shirzadi, Wai‐Ying Wendy Yau, Jennifer S. Rabin, Rachel F. Buckley, Michael J Properzi, Jessie Fanglu Fu, Stephanie Hsieh, Emma G. Thibault, Parisa Mojiri‐Forooshani, Maged Goubran, Bradley J. MacIntosh, Sandra E. Black, Julie C. Price, Keith A. Johnson, Reisa A. Sperling, Jasmeer P. Chhatwal, Aaron P. Schultz

Notice bibliographique

RevueAlzheimer s & Dementia · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensSunnybrook Health Science CentreUniversity of TorontoSunnybrook Hospital
Organismes subventionnairesnon disponible
Mots-clésPittsburgh compound BMedicineCognitive declineInternal medicineCardiologyEffects of sleep deprivation on cognitive performanceCerebral amyloid angiopathyFramingham Risk ScoreNeuroimagingHyperintensityCognitionDementiaDiseaseMagnetic resonance imagingRadiologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background Systemic vascular risk is a well‐established contributor to late‐life cognitive decline, yet the mechanism is not completely understood. We investigated whether neuroimaging‐based measures of vascular injury (white matter hyperintensity (WMH) volume, Peak width of Skeletonized Mean Diffusivity (PSMD), and relative cerebral blood flow (rCBF)) could explain the effect of systemic vascular risk on cognitive decline using longitudinal data from the Harvard Aging Brain Study. Method We used the Framingham Heart Study cardiovascular disease risk score (FHS‐CVD) as an index of systemic vascular risk. We extracted WMH from structural MRI ( https://hypermapp3r.readthedocs.io/ ) and PSMD from diffusion MRI ( http://www.psmdmarker.com ). We performed kinetic modeling on dynamically‐acquired PiB‐PET data to extract 1) amyloid burden as the distribution volume ratio (PiB‐DVR) and 2) relative tracer delivery (PiB‐R1 via MRTM reference‐tissue analysis as a proxy of rCBF). Global cognition was assessed using Preclinical Alzheimer Cognitive Composite (PACC). We considered two linear mixed effect models to examine whether cerebrovascular injury markers could explain the FHS‐CVD effect on PACC change over time: 1) FHS‐CVD on PACC change controlling for age, sex, years of education, and PiB‐DVR; 2) the previous model including WMH, PSMD, and PIB‐R1. Analyses were stratified by high (PiB+) and low (PiB‐) baseline amyloid burden. Result Figure 1 illustrates the relationships between demographics and neuroimaging measures at baseline. Table 1 shows the demographics and study information. We observed a significant effect of FHS‐CVD on PACC change (PiB‐: t=‐3.9, p<0.001 (Table 2); PiB+: t=‐2.6, p=0.008). When the cerebrovascular injury markers were included in the model, the effect of FHS‐CVD was reduced in the PiB‐ group while PSMD and PiB‐R1 explained PACC change (Table 3; Figure 2). The second model fit was significantly better than the first model (L.ratio= 25.9, p<0.001). The effects remained significant after controlling for gray matter volume. In contrast, cerebrovascular injury measures did not explain the effect of FHS‐CVD on PACC change in the PIB+ group. Conclusion These results demonstrate that cerebrovascular injury largely explains the effect of systemic vascular risk on cognitive decline in older adults with lower amyloid burden suggesting mechanisms by which a higher systemic vascular risk impacts brain function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,276
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→