Linking sarcopenia, brain structure and cognitive performance: a large-scale UK Biobank study
Notice bibliographique
Résumé
Abstract Sarcopenia refers to age-related loss of muscle mass and function and is related to impaired somatic and brain health, including cognitive decline and Alzheimer’s disease. However, the relationships between sarcopenia, brain structure and cognition are poorly understood. Here, we investigate the associations between sarcopenic traits, brain structure and cognitive performance. We included 33 709 UK Biobank participants (54.2% female; age range 44–82 years) with structural and diffusion magnetic resonance imaging, thigh muscle fat infiltration (n = 30 561) from whole-body magnetic resonance imaging (muscle quality indicator) and general cognitive performance as indicated by the first principal component of a principal component analysis across multiple cognitive tests (n = 22 530). Of these, 1703 participants qualified for probable sarcopenia based on low handgrip strength, and we assigned the remaining 32 006 participants to the non-sarcopenia group. We used multiple linear regression to test how sarcopenic traits (probable sarcopenia versus non-sarcopenia and percentage of thigh muscle fat infiltration) relate to cognitive performance and brain structure (cortical thickness and area, white matter fractional anisotropy and deep and lower brain volumes). Next, we used structural equation modelling to test whether brain structure mediated the association between sarcopenic and cognitive traits. We adjusted all statistical analyses for confounders. We show that sarcopenic traits (probable sarcopenia versus non-sarcopenia and muscle fat infiltration) are significantly associated with lower cognitive performance and various brain magnetic resonance imaging measures. In probable sarcopenia, for the included brain regions, we observed widespread significant lower white matter fractional anisotropy (77.1% of tracts), predominantly lower regional brain volumes (61.3% of volumes) and thinner cortical thickness (37.9% of parcellations), with |r| effect sizes in (0.02, 0.06) and P-values in (0.0002, 4.2e−29). In contrast, we observed significant associations between higher muscle fat infiltration and widespread thinner cortical thickness (76.5% of parcellations), lower white matter fractional anisotropy (62.5% of tracts) and predominantly lower brain volumes (35.5% of volumes), with |r| effect sizes in (0.02, 0.07) and P-values in (0.0002, 1.9e−31). The regions showing the most significant effect sizes across the cortex, white matter and volumes were of the sensorimotor system. Structural equation modelling analysis revealed that sensorimotor brain regions mediate the link between sarcopenic and cognitive traits [probable sarcopenia: P-values in (0.0001, 1.0e−11); muscle fat infiltration: P-values in (7.7e−05, 1.7e−12)]. Our findings show significant associations between sarcopenic traits, brain structure and cognitive performance in a middle-aged and older adult population. Mediation analyses suggest that regional brain structure mediates the association between sarcopenic and cognitive traits, with potential implications for dementia development and prevention.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».