Longitudinal Relationships of White Matter Hyperintensities and Alzheimer Disease Biomarkers Across the Adult Life Span
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: C] Pittsburgh Compound-B, MRI-based hippocampal volume, and cortical thickness. Correlations between established AD biomarkers and the longitudinal change for WMH have not been fully evaluated, especially among cognitively normal individuals across the adult life span. METHODS: We jointly analyzed the longitudinal data of WMH volume and each of the established AD biomarkers and cognition from 371 cognitively normal individuals whose baseline age spanned from 19.6 to 88.20 years from 4 longitudinal studies of aging and AD. A 2-stage algorithm was applied to identify the inflection point of baseline age whereby older participants had an accelerated longitudinal change in WMH volume, in comparison with the younger participants. The longitudinal correlations between WMH volume and AD biomarkers were estimated from the bivariate linear mixed-effects models. RESULTS: ε4 alleles did not alter the longitudinal correlations between WMH and AD biomarkers. DISCUSSION: Longitudinal increases in WMH volume started to accelerate around a baseline age of 60.46 years and correlated with the longitudinal change in PET amyloid uptake, MRI structural outcomes, and cognition.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».