MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390200130 · doi:10.1002/alz.080564

Biomarkers of synaptic and neuronal dysfunction in relation to mild behavioral impairment: a study of dementia‐free older adults

2023· article· en· W4390200130 sur OpenAlexaff
Sergio Fernandez Sharif, Dylan X. Guan, Maryam Ghahremani, Rebeca Leon, Eric E. Smith, Zahinoor Ismail

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDementiaBiomarkerCohortNeurograninPsychologyProportional hazards modelCognitive declinePsychosisCognitionInternal medicineCross-sectional studyDemographicsMedicinePsychiatryClinical psychologyOncologyDiseasePathologyDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Background Mild behavioral impairment (MBI) represents a high‐risk state for incident cognitive decline and dementia, capturing later‐life emergent and persistent neuropsychiatric symptoms in five domains: 1) decreased motivation; 2) affective dysregulation 3) impulse dyscontrol; 4) social inappropriateness; and 5) psychosis. We examined cross‐sectional associations between MBI and cerebrospinal fluid levels of markers of synaptic/neuronal dysfunction including 1) alpha‐synuclein (α‐syn); 2) growth‐associated protein 43 (GAP‐43); 3) neurogranin (NGRN); 4) synaptosomal‐associated protein 25 (SNAP‐25); 5) visinin‐like protein 1 (VILIP‐1); and 6) chitinase‐3‐like protein 1 (YKL‐40). Longitudinally, we determined associations between these biomarkers and incident MBI or dementia. Method Alzheimer’s Disease Neuroimaging Initiative participants with normal cognition and mild cognitive impairment were included (n = 853). MBI scores were derived from the Neuropsychiatric Inventory using a published algorithm. Participants were classified as MBI+ if MBI symptoms were present at ≥2 consecutive visits. Cross‐sectional associations between MBI total score and each log‐transformed biomarker were modelled using multivariable‐adjusted linear regression. Biomarkers with cross‐sectional associations meeting a pre‐defined p‐value threshold (p<0.1) were then incorporated as exposures into adjusted longitudinal Cox proportional hazard regression models (n = 111) of 1) MBI and 2) dementia as the outcomes, the latter of which also included interactions between MBI status and biomarker levels. Result Demographics are summarized in Table 1. Cross‐sectionally, only MBI associations with VILIP‐1 (beta = 3.3%, 95%CI:+0.2% to +6.5%, p = 0.04) and SNAP‐25 (beta = 2.0%, 95%CI:‐0.4% to 6.3%, p = 0.09) met the pre‐defined p‐value for inclusion in Cox models. Longitudinally, higher VILIP‐1 levels were associated with a 3.02‐fold greater rate of incident MBI (95%CI:1.43‐6.40, p = 0.004) and a 3.83‐fold greater rate of incident dementia (95%CI:1.22‐12.03, p = 0.021). The relationship between VILIP‐1 and dementia did not depend on participants having MBI. MBI status predicted incident dementia with an HR = 4.75 (95%CI:2.36‐9.55, p<0.001) and HR = 4.06 (95%CI:2.01‐8.21, p<0.001) after adjusting for VILIP‐1. Conclusion Elevated VILIP‐1 levels are associated with greater incidence of MBI and greater incidence of dementia, suggesting that synaptic dysfunction traditionally related to cognitive decline and dementia may also contribute to behavioral changes. Treatments aimed to mitigate MBI symptoms and dementia may explore VILIP‐1—a neuronal calcium‐sensor protein—as a therapeutic target, though more research is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,314
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→