Obesity-Associated Neurodegeneration Pattern Mimics Alzheimer’s Disease in an Observational Cohort Study
Notice bibliographique
Résumé
Background: Excess weight in adulthood leads to health complications such as diabetes, hypertension, or dyslipidemia. Recently, excess weight has also been related to brain atrophy and cognitive decline. Reports show that obesity is linked with Alzheimer’s disease (AD)-related changes, such as cerebrovascular damage or amyloid-β accumulation. However, to date no research has conducted a direct comparison between brain atrophy patterns in AD and obesity. Objective: Here, we compared patterns of brain atrophy and amyloid-β/tau protein accumulation in obesity and AD using a sample of over 1,300 individuals from four groups: AD patients, healthy controls, obese otherwise healthy individuals, and lean individuals. Methods: We age- and sex-matched all groups to the AD-patients group and created cortical thickness maps of AD and obesity. This was done by comparing AD patients with healthy controls, and obese individuals with lean individuals. We then compared the AD and obesity maps using correlation analyses and permutation-based tests that account for spatial autocorrelation. Similarly, we compared obesity brain maps with amyloid-β and tau protein maps from other studies. Results: Obesity maps were highly correlated with AD maps but were not correlated with amyloid-β/tau protein maps. This effect was not accounted for by the presence of obesity in the AD group. Conclusion: Our research confirms that obesity-related grey matter atrophy resembles that of AD. Excess weight management could lead to improved health outcomes, slow down cognitive decline in aging, and lower the risk for AD.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».