Impact of White Matter Hyperintensities on domain‐specific cognition in Southeast Asians
Notice bibliographique
Résumé
Abstract Background Dementia affects 55 million people worldwide, with 60% of the burden in Asia. White Matter Hyperintensities (WMH) is a key marker of small vessel disease, with high prevalence in Asian populations with prodromal and clinical dementia. WMH is described as: Deep White Matter Hyperintensities (DWMH), Periventricular Hyperintensities (PVH) or Fazekas‐Total (DWMH and PVH). However, association between WMH topography and performance in specific cognitive domains remains unexplored. Thus, this study aims to characterise the impact of Fazekas‐Total, DWMH and PVH on different cognitive domains. Method 304 participants (mean age 60.6, mean education years 14.2, mean Montreal Cognitive Assessment 25.99, 43.8% males) from Biomarkers and Cognition Study, Singapore (Dementia Research Centre (Singapore)) met the inclusion criteria. Eight domains of cognition were tested: global cognition, learning and memory, language, executive function, complex‐attention, perceptual‐motor, social‐cognition, and processing speed. Normality tests, correlation analysis and stepwise regression (with Benjamini and Hochberg False Discovery Rate correction) were performed to understand association between Fazekas‐Total, DWMH, PVH on domains of cognition tested, accounting for age, education, and gender. Two approaches were used for data analysis: (1) by grouping participants as Mild Cognitive Impairment (MCI), Subjective Cognitive Decline (SCD) and Cognitively Normal (CN) as per the National Institute on Aging‐Alzheimer’s Association (NIA‐AA) criteria and (2) by grouping participants’ WMH as confluent (DWMH ≥2 and PVH ≥3) and non‐confluent. Result Higher Fazekas‐Total was associated with slower processing speed (p = 0.0255, R = ‐0.039) in prodromal participants (MCI and SCD). Higher PVH was associated with slower processing speed in MCI (p = 0.017, R = ‐0.32) and CN (p = 0.017, R = ‐0.663) participants. Higher PVH was significantly associated with poorer learning and memory (p = 0.045, R = ‐0.043) in SCD participants. Higher DWMH was significantly associated with poorer learning and memory (p = 0.017, R = ‐0.765) in CN participants. Conclusion These results demonstrate differential association between PVH, DWMH and cognitive domains, thus the location of WMH determines the affected cognitive domains. Therefore, it is worthwhile to assess PVH and DWMH in clinical cognitive outcomes separately and to understand the upstream pathobiology of DWMH and PVH. Furthermore, higher Fazekas‐Total was strongly associated with slower processing speed in prodromal participants and could be a marker of cognitive decline.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».