Diosgenin-rich Yam (rhizome of Dioscorea batatas) extract ameliorates cognitive functions and plasma biomarkers for mild cognitive impairment and mild Alzheimer's disease: A randomized controlled trial
Notice bibliographique
Résumé
In Alzheimer's disease (AD), neural circuit disconnection primarily causes memory dysfunction, which leads to the hypothesis that repairing neural networks may be an appropriate treatment strategy for AD. We previously found that diosgenin stimulated neurite regeneration and synapse formation in AD model mice, and diosgenin-rich Yam extract enhanced cognitive function in healthy people and normal mice. In this study, we investigated the efficacy and safety of Yam extract in patients with mild cognitive impairment (MCI) and mild AD. Patients were administered either diosgenin-rich Yam extract or placebo, respectively, for 24 weeks. The primary outcome was cognitive function, which was evaluated using the Mini Mental State Examination Japanese version (MMSE-J), Alzheimer's Disease Assessment Scale-Cognition (ADAS-Cog), and verbal fluency test; the secondary outcomes were plasma biomarker levels [neurofilament light chain (NfL); axonal marker, glial fibrillary acidic protein levels; reactive astrocyte marker, and the Aβ42/40 ratio; marker of brain Aβ]. Diosgenin-rich Yam extract improved the ADAS-Cog Praxis domain score and plasma NfL (12 to 24 weeks) in all patients. The number of patients with improved/maintained ADAS-Cog total, Praxis or Memory scores was high in the Yam extract group, but not in placebo group. Divided by severity of pathology, diosgenin-rich Yam extract also improved the total and Memory domain in ADAS-Cog, and plasma NfL levels in patients with MCI. In the Yam extract group, improvement of MMSE-J was related to plasma Aβ42/40 increase, and improvement of plasma NfL was related to better MMSE-J. Treatment with diosgenin-rich Yam extract for 24 weeks resulted in modest cognitive improvement and a decrease in plasma NfL levels, which may suggest axonal protection in the brain.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».