MétaCan
Menu
Retour à la cohorte
Enregistrement W4394632688 · doi:10.3389/fnins.2024.1355695

Multi-pathological contributions toward atrophy patterns in the Alzheimer’s disease continuum

2024· article· en· W4394632688 sur OpenAlexfundno aff
Rosaleena Mohanty, Daniel Ferreira, Eric Westman

Notice bibliographique

RevueFrontiers in Neuroscience · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingWake Forest School of MedicineYale UniversityUniversity of California, San DiegoNYU Langone Medical CenterJewish General HospitalUniversity of RochesterNorthwestern UniversityYork UniversityUniversity of South FloridaOhio State UniversityRush UniversityUniversity of Texas Southwestern Medical CenterVanderbilt University Medical CenterGeorgetown UniversityMedical School, University of MichiganUniversity of PittsburghUniversity of California, Los AngelesJohns Hopkins UniversityHouston Methodist Research InstituteEmory UniversityCleveland ClinicUniversity of PennsylvaniaVanderbilt University
Mots-clésAtrophyPathologicalPsychologyNeurodegenerationDementiaPathologyNeuroscienceBrain sizeAlzheimer's diseaseDiseaseCardiologyInternal medicineMedicineMagnetic resonance imagingRadiology

Résumé

récupéré en direct d'OpenAlex

Introduction Heterogeneity in downstream atrophy in Alzheimer’s disease (AD) is predominantly investigated in relation to pathological hallmarks (Aβ, tau) and co-pathologies (cerebrovascular burden) independently. However, the proportional contribution of each pathology in determining atrophy pattern remains unclear. We assessed heterogeneity in atrophy using two recently conceptualized dimensions: typicality (typical AD atrophy at the center and deviant atypical atrophy on either extreme including limbic predominant to hippocampal sparing patterns) and severity (overall neurodegeneration spanning minimal atrophy to diffuse typical AD atrophy) in relation to Aβ, tau, and cerebrovascular burden. Methods We included 149 Aβ + individuals on the AD continuum (cognitively normal, prodromal AD, AD dementia) and 163 Aβ− cognitively normal individuals from the ADNI. We modeled heterogeneity in MRI-based atrophy with continuous-scales of typicality (ratio of hippocampus to cortical volume) and severity (total gray matter volume). Partial correlation models investigated the association of typicality/severity with (a) Aβ (global Aβ PET centiloid), tau (global tau PET SUVR), cerebrovascular (total white matter hypointensity volume) burden (b) four cognitive domains (memory, executive function, language, visuospatial composites). Using multiple regression, we assessed the association of each pathological burden and typicality/severity with cognition. Results (a) In the AD continuum, typicality ( r = −0.31, p < 0.001) and severity ( r = −0.37, p < 0.001) were associated with tau burden after controlling for Aβ, cerebrovascular burden and age. Findings imply greater tau pathology in limbic predominant atrophy and diffuse atrophy. (b) Typicality was associated with memory ( r = 0.49, p < 0.001) and language scores ( r = 0.19, p = 0.02). Severity was associated with memory ( r = 0.26, p < 0.001), executive function ( r = 0.24, p = 0.003) and language scores ( r = 0.29, p < 0.001). Findings imply better cognitive performance in hippocampal sparing and minimal atrophy patterns. Beyond typicality/severity, tau burden but not Aβ and cerebrovascular burden explained cognition. Conclusion In the AD continuum, atrophy-based severity was more strongly associated with tau burden than typicality after accounting for Aβ and cerebrovascular burden. Cognitive performance in memory, executive function and language domains was explained by typicality and/or severity and additionally tau pathology. Typicality and severity may differentially reflect burden arising from tau pathology but not Aβ or cerebrovascular pathologies which need to be accounted for when investigating AD heterogeneity.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,358
Écart entre enseignants0,312 · 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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207