Intrinsic functional connectivity strength of SuperAgers in the default mode and salience networks: Insights from ADNI
Notice bibliographique
Résumé
There exists a group of older individuals who appear to be resistant to age-related memory decline. These "SuperAgers" have been shown to demonstrate preservation of cortical thickness and functional connectivity strength across the cortex which positively correlates with memory performance. Over the last decade, roughly 30 articles have been published regarding SuperAgers; however, to our knowledge, no replications of these studies have been published. The current study sought to conceptually replicate Zhang and colleagues' (2020) findings that SuperAgers demonstrate stronger intrinsic functional connectivity within the default mode (DMN) and salience networks (SN), and that connectivity strength within these networks correlates with memory performance. We identified 20 SuperAgers and 20 matched Normal Agers in the control cohort of the Alzheimer's Disease Neuroimaging Initiative (ADNI) database. We compared the functional connectivity strength of the DMN and SN between these groups, and used the Rey Auditory Verbal Learning Test (RAVLT) to evaluate correlations between functional connectivity and memory performance. Our results did not replicate Zhang and colleagues' (2020) results, as we found negligible differences between SuperAgers and Normal Agers in the DMN and SN, and no significant correlations between functional connectivity and memory performance after accounting for multiple comparisons. More replications are needed to confirm existing work. In addition, more research with larger SuperAger samples and more consistent definitions of SuperAging is needed, so that we can better understand this remarkable group of older adults.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».