Examining the reorganization of cognitive networks in subjective cognitive decline: A network analysis approach
Notice bibliographique
Résumé
Abstract Background Individuals with subjective cognitive decline (SCD) are at increased risk for developing dementia. However, research is still needed to identify what subtle cognitive changes in SCD might differentiate it from healthy aging. Network analysis has been used to model interrelationships between cognitive measures in healthy and clinically impaired older adults. These multivariate networks can capture a more holistic view of performance within and across cognitive domains, providing further insight into cognitive status. Studies of individuals with Alzheimer’s disease (AD) and mild cognitive impairment (MCI) have revealed distinct network characteristics compared to cognitively normal (CN) older adults. We employed this novel technique to determine whether networks in SCD show evidence of reorganization compared to CN individuals. Method This project examined the cognitive network of a sample group with SCD (n = 207, 151 females/56 males, M Age = 71.6 ± 5.50, M Education = 15.5 ± 3.40) and compared it with networks of CN (n = 122, 94 females/28 males, M Age = 71.3 ± 6.08, M Education = 15.6 ± 3.41), MCI (n = 210, 100 females/110 males, M Age = 73.7 ± 6.55, M Education = 15.1 ± 3.81), and AD (n = 79, 32 females/47 males, M Age = 75.9 ± 7.33, M Education = 15.3 ± 4.34) participants. Group networks were comprised of performance on various cognitive tests from COMPASS‐ND1 and CIMA‐Q2 aging studies. Networks were constructed as Gaussian graphical models with EBICglasso regularization applied to return sparser networks3. Result Strength centrality indices (i.e., the absolute sum of partial correlations with other variables) suggest that measures of executive functioning become less influential while measures of long‐term memory increase their influence in SCD networks compared to CN networks, reflecting a shift from a common decrease in executive processing seen in normal aging to the episodic memory deficits characteristic of AD‐type cognitive decline. Conclusion These findings not only differentiate SCD networks from CN networks, but also suggest the beginnings of cognitive reorganization towards MCI, supporting the view of SCD as a preclinical state in the AD continuum. References: 1. Chertkow et al. (2019), https://doi.org/10.1017/cjn.2019.27 2. Belleville et al. (2019), https://doi.org/10.1016/j.dadm.2019.07.003 3. Epskamp & Fried (2018), https://doi.org/10.1037/met0000167
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».