The speed limits for tau pathology progression in Alzheimer’s disease
Notice bibliographique
Résumé
Abstract Objective To examine interactive effects of modifiable factors, genetic determinants and load-dependent pathology effects on tau pathology progression. Methods Data of 162 amyloid-positive individuals were included, for whom longitudinal [18F]AV-1451-PET scans, baseline information on global amyloid load, ApoE4 status, body-mass-index (BMI), hypertension, education, neuropsychiatric symptom severity and demographic information were available in ADNI. All [18F]AV-1451 PETs were intensity-standardized (reference: inferior cerebellum), z-transformed (control sample: 147 amyloid-negative subjects) and subsequently thresholded (z-score > 1.96) and converted to volume-maps. Based on these volume-maps, tau-changes over time were assessed in terms of 1) tau-speed (i.e. newly affected volume at follow-up), and 2) tau-level-rise (i.e. tau increase in previously affected volume). These two measures were entered as dependent variables in separate linear mixed effects models including four baseline risk factors (BMI, education, hypertension, neuropsychiatric symptom severity), baseline amyloid, tau-volume or tau burden, ApoE4 status, clinical stage, sex, and age as predictors. Next, we tested the interactive effects between baseline amyloid or tau burden with the four modifiable factors on either tau-speed or tau-level-rise, respectively. Results Faster tau-speed was linked to higher BMI, female sex, ApoE4-status, and baseline tau-volume. The effect of baseline tau-volume on tau-speed was driven by greater global amyloid burden. In terms of tau-level-rise, we observed that lower hypertension and BMI were linked to a slower increase in tau burden. A load-dependent effect of baseline amyloid and tau burden was found. Higher amyloid and BMI as well as lower education and higher tau burden were linked to greater tau-level-rise. Conclusion Education, BMI and hypertension differentially influence tau speed and level rise by its interaction with initial pathological burden. Timely modification of these factors may overall slow tau’s progression.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».