Infectious Disease Burden and the Risk of Alzheimer’s Disease: A Population-Based Study
Notice bibliographique
Résumé
Background: Previous studies suggested a link between various infectious pathogens and the development of Alzheimer’s disease (AD), posing the question whether infectious disease could present a novel modifiable risk factor. Objective: To assess whether infectious disease burden due to clinically apparent infections is associated with an increased risk of AD. Methods: We conducted a population-based nested case-control study using the United Kingdom Clinical Practice Research Datalink. We included all dementia-free subjects ≥50 years of age enrolling in the database between January 1988 and December 2017. Each case of AD identified during follow-up was matched with up to 40 controls. Conditional logistic regression estimated adjusted odds ratios (ORs) with 95% confidence intervals (CIs) of AD associated with ≥1 infection diagnosed > 2 years before the index date compared with no infection during the study period. We further stratified by time since first infection and cumulative number of infections. Results: The cohort included overall 4,262,092 individuals (mean age at cohort entry 60.4 years; 52% female). During a median follow-up of 10.5 years, 40,455 cases of AD were matched to 1,610,502 controls. Compared with having no burden of infectious disease, having a burden of infectious disease was associated with an increase in the risk of AD (OR, 1.05; 95% CI, 1.02 to 1.08). The risk increased with longer time since first infection, peaking after 12–30 years (OR, 1.11; 95% CI, 1.05–1.17). The risk did not increase with cumulative number of infections. Conclusion: The overall risk of AD associated with infectious disease burden was small but increased gradually with longer time since first infection.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».