MétaCan
Menu
Retour à la cohorte
Enregistrement W4401702455 · doi:10.1186/s13195-024-01554-0

Risk factors for cognitive decline in non-demented elders with amyloid-beta positivity

2024· article· en· W4401702455 sur OpenAlexfundno aff
Anyi Wang, He‐Ying Hu, Liangyu Huang, Chu-Yun Xiao, Qiong‐Yao Li, Lan Tan, Hao Hu

Notice bibliographique

RevueAlzheimer s Research & Therapy · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingCanadian Institutes of Health ResearchUniversity of California, San FranciscoNational Institutes of HealthIXICOH. Lundbeck A/SJewish General HospitalUniversity of California, DavisEisaiNational Natural Science Foundation of ChinaNorthern California Institute for Research and EducationUSF Health Byrd Alzheimer's InstituteMcGill UniversityBiogenNorthwestern UniversityPfizerBioClinicaUniversity of California, IrvineGeorgetown UniversityServierWake Forest UniversityNovartis Pharmaceuticals CorporationOhio State UniversityUniversity of Southern CaliforniaDartmouth CollegeU.S. Department of DefenseEli Lilly and CompanyCleveland ClinicBristol-Myers SquibbGenentechUniversity of South FloridaAlzheimer's Disease Neuroimaging InitiativeMeso Scale DiagnosticsAlzheimer's AssociationCase Western Reserve UniversityBrigham and Women's Hospital
Mots-clésGeriatric psychiatryNeurologyCognitive declineDementiaGerontologyMedicineCognitionAmyloid (mycology)Brain agingPsychologyInternal medicinePsychiatryDiseasePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As a currently incurable but preventable disease, the prevention and early diagnosis of Alzheimer's disease (AD) has long been a research hotspot. Amyloid deposition has been shown to be a major pathological feature of AD. Notably, not all the people with amyloid-beta (Aβ) pathology will have significant cognitive declines and eventually develop AD. Therefore, the aim of this study was to explore the risk factors for cognitive decline in Aβ-positive participants. METHODS: We included 650 non-demented participants who were Aβ-positive at baseline from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database. Mixed effects and COX regression models were applied to assess 37 potential risk factors. Mixed effects models were employed to assess the temporal associations between potential risk factors and four cognitive assessment scales. COX regression models were used to assess the impact of potential risk factors on cognitive diagnosis conversion. Univariate and multivariate analyses were applied to the above models. Additionally, we used the Cochran-Armitage trend test to examine whether the incidence of cognitive decline increased with the number concurrent of risk factors. RESULTS: Six factors (low diastolic pressure, low body mass index, retired status, a history of drug abuse, Parkinsonism, and depression) were the identified risk factors and four factors (a history of urinary disease, musculoskeletal diseases, no major surgical history, and no prior dermatologic-connective tissue diseases) were found to be suggestive risk factors. The incidence of cognitive decline in the Aβ-positive participants gradually increased as the number of concurrent risk factors increased (p for trend = 0.0005). CONCLUSIONS: Our study may facilitate the understanding of the potential pathological processes in AD and provide novel targets for the prevention of cognitive decline among participants with Aβ positivity.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,076
Tête enseignante GPT0,420
Écart entre enseignants0,344 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s Research & TherapyMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207