Brain-cognition relationships in late-life depression: a systematic review of structural magnetic resonance imaging studies
Notice bibliographique
Résumé
BACKGROUND: Most patients with late-life depression (LLD) have cognitive impairment, and at least one-third meet diagnostic criteria for mild cognitive impairment (MCI), a prodrome to Alzheimer's dementia (AD) and other neurodegenerative diseases. However, the mechanisms linking LLD and MCI, and brain alterations underlying impaired cognition in LLD and LLD + MCI remain poorly understood. METHODS: To address this knowledge gap, we conducted a systematic review of studies of brain-cognition relationships in LLD or LLD + MCI to identify circuits underlying impaired cognition in LLD or LLD + MCI. We searched MEDLINE, PsycINFO, EMBASE, and Web of Science databases from inception through February 13, 2023. We included studies that assessed cognition in patients with LLD or LLD + MCI and acquired: (1) T1-weighted imaging (T1) measuring gray matter volumes or thickness; or (2) diffusion-weighted imaging (DWI) assessing white matter integrity. Due to the heterogeneity in studies, we only conducted a descriptive synthesis. RESULTS: Our search identified 51 articles, resulting in 33 T1 studies, 17 DWI studies, and 1 study analyzing both T1 and DWI. Despite limitations, reviewed studies suggest that lower thickness or volume in the frontal and temporal regions and widespread lower white matter integrity are associated with impaired cognition in LLD. Lower white matter integrity in the posterior cingulate region (precuneus and corpus callosum sub-regions) was more associated with impairment executive function and processing speed than with memory. CONCLUSION: Future studies should analyze larger samples of participants with various degrees of cognitive impairment and go beyond univariate statistical models to assess reliable brain-cognition relationships in LLD.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».