Neuroimaging features of depression–frailty phenotype in older adults: a pilot study
Notice bibliographique
Résumé
OBJECTIVE: Frailty and late-life depression (LLD) often coexist and share several structural brain changes. We aimed to study the joint effect LLD and frailty have on brain structure. DESIGN: Cross-sectional study. SETTING: Academic Health Center. PARTICIPANTS: Thirty-one participants (14 LLD+Frail and 17 Never-depressed+Robust). MEASUREMENT: LLD was diagnosed by a geriatric psychiatrist according to the Diagnostic and Statistical Manual of Mental Disorders 5th edition for single episode or recurrent major depressive disorder without psychotic features. Frailty was assessed using the FRAIL scale (0-5), classifying subjects as robust (0), prefrail (1-2), and frail (3-5). Participants underwent T1-weighted magnetic resonance imaging in which covariance analysis of subcortical volumes and vertex-wise analysis of cortical thickness values were performed to access changes in grey matter. Participants also underwent diffusion tensor imaging in which tract-based spatial statistics was used with voxel-wise statistical analysis on fractional anisotropy and mean diffusion values to assess changes in white matter (WM). RESULTS: We found a significant difference in mean diffusion values (48,225 voxels; peak voxel: pFWER=0.005, MINI coord. (X,Y,Z) = -26,-11,27) between the LLD-Frail group and comparison group. The corresponding effect size (f=0.808) was large. CONCLUSION: We showed the LLD+Frailty group is associated with significant microstructural changes within WM tracts compared to Never-depressed+Robust individuals. Our findings indicate the possibility of a heightened neuroinflammatory burden as a potential mechanism underlying the co-occurrence of both conditions and the possibility of a depression-frailty phenotype in older adults.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».