Phenotyping Superagers Using Resting-State fMRI
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Superagers are defined as older adults with episodic memory performance similar or superior to that in middle-aged adults. This study aimed to investigate the key differences in discriminative networks and their main nodes between superagers and cognitively average elderly controls. In addition, we sought to explore differences in sensitivity in detecting these functional activities across the networks at 3T and 7T MR imaging fields. MATERIALS AND METHODS: Fifty-five subjects 80 years of age or older were screened using a detailed neuropsychological protocol, and 31 participants, comprising 14 superagers and 17 cognitively average elderly controls, were included for analysis. Participants underwent resting-state-fMRI at 3T and 7T MR imaging. A prediction classification algorithm using a penalized regression model on the measurements of the network was used to calculate the probabilities of a healthy older adult being a superager. Additionally, ORs quantified the influence of each node across preselected networks. RESULTS: The key networks that differentiated superagers and elderly controls were the default mode, salience, and language networks. The most discriminative nodes (ORs > 1) in superagers encompassed areas in the precuneus posterior cingulate cortex, prefrontal cortex, temporoparietal junction, temporal pole, extrastriate superior cortex, and insula. The prediction classification model for being a superager showed better performance using the 7T compared with 3T resting-state-fMRI data set. CONCLUSIONS: Our findings suggest that the functional connectivity in the default mode, salience, and language networks can provide potential imaging biomarkers for predicting superagers. The 7T field holds promise for the most appropriate study setting to accurately detect the functional connectivity patterns in superagers.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 | 0,000 |
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 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 ».