Gray Matter Volume as Evidence for Cognitive Reserve in Bilinguals With Mild Cognitive Impairment
Notice bibliographique
Résumé
BACKGROUND: Compared with monolinguals, bilinguals have a later onset of mild cognitive impairment (MCI) and Alzheimer disease symptoms and greater neuropathology at similar cognitive and clinical levels. The present study follows a previous report showing the faster conversion from MCI to Alzheimer disease for bilingual patients than comparable monolinguals, as predicted by a cognitive reserve (CR). PURPOSE: Identify whether the increased CR found for bilinguals in the previous study was accompanied by greater gray matter (GM) atrophy than was present for the monolinguals. METHODS: A novel deep-learning technique based on convolutional neural networks was used to enhance clinical scans into 1 mm MPRAGEs and analyze the GM volume at the time of MCI diagnosis in the earlier study. PATIENTS: Twenty-four bilingual and 24 monolingual patients were diagnosed with MCI at a hospital memory clinic. RESULTS: Bilingual patients had more GM loss than monolingual patients in areas related to language processing, attention, decision-making, motor function, and episodic memory retrieval. Bilingualism and age were the strongest predictors of atrophy after other variables such as immigration and education were included in a multivariate model. DISCUSSION: CR from bilingualism is evident in the initial stages of neurodegeneration after MCI has been diagnosed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».