MétaCan
Menu
Retour à la cohorte
Enregistrement W4403175305 · doi:10.7554/elife.99538.1

Menopausal hormone therapy and the female brain: leveraging neuroimaging and prescription registry data from the UK Biobank cohort

2024· preprint· en· W4403175305 sur OpenAlexaff
Cláudia Barth, Liisa A.M. Galea, Emily G. Jacobs, Bonnie H. Lee, Lars T. Westlye, Ann‐Marie G. de Lange

Notice bibliographique

RevueeLife · 2024
Typepreprint
Langueen
DomaineMedicine
ThématiqueMenopause: Health Impacts and Treatments
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésBiobankNeuroimagingCohortMedical prescriptionMedicineHormone therapyCohort studyInternal medicinePsychiatryBioinformaticsPharmacologyBreast cancerCancerBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background and Objectives Menopausal hormone therapy (MHT) is generally thought to be neuroprotective, yet results have been inconsistent. Here, we present a comprehensive study of MHT use and brain characteristics in middle-to older aged females from the UK Biobank, assessing detailed MHT data, APOE ε4 genotype, and tissue-specific gray (GM) and white matter (WM) brain age gap (BAG), as well as hippocampal and white matter hyperintensity (WMH) volumes. Methods A total of 19,846 females with magnetic resonance imaging data were included (current-users = 1,153, 60.1 ± 6.8 years; past-users = 6,681, 67.5 ± 6.2 years; never-users = 12,012, mean age 61.6 ± 7.1 years). For a sub-sample (n = 538), MHT prescription data was extracted from primary care records. Brain measures were derived from T1-, T2- and diffusion-weighted images. We fitted regression models to test for associations between the brain measures and MHT variables including user status, age at initiation, dosage and duration, formulation, route of administration, and type (i.e., bioidentical vs synthetic), as well as active ingredient (e.g., estradiol hemihydrate). We further tested for differences in brain measures among MHT users with and without a history of hysterectomy ± bilateral oophorectomy and examined associations by APOE ε4 status. Results We found significantly higher GM and WM BAG (i.e., older brain age relative to chronological age) as well as smaller left and right hippocampus volumes in current MHT users, not past users, compared to never-users. Effects were modest, with the largest effect size indicating a group difference of 0.77 years (∼9 months) for GM BAG. Among MHT users, we found no significant associations between age at MHT initiation and brain measures. Longer duration of use and older age at last use post menopause was associated with higher GM and WM BAG, larger WMH volume, and smaller left and right hippocampal volumes. MHT users with a history of hysterectomy ± bilateral oophorectomy showed lower GM BAG relative to MHT users without such history. Although we found smaller hippocampus volumes in carriers of two APOE ε4 alleles compared to non-carriers, we found no interactions with MHT variables. In the sub-sample with prescription data, we found no significant associations between detailed MHT variables and brain measures after adjusting for multiple comparisons. Discussion Our results indicate that population-level associations between MHT use, and female brain health might vary depending on duration of use and past surgical history. Future research is crucial to establish causality, dissect interactions between menopause-related neurological changes and MHT use, and determine individual-level implications to advance precision medicine in female health care.

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)0,004
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 enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
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 Opus0,115
Tête enseignante GPT0,351
Écart entre enseignants0,235 · 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 revueeLifeMême sujetMenopause: Health Impacts and TreatmentsTravaux en français237 207