Notice bibliographique
Résumé
BACKGROUND: Apolipoprotein E (APOE) gene has three common alleles: ԑ2, ԑ3, and ԑ4, which influence Alzheimer's disease (AD) risk. APOE ԑ4 allele increases AD risk, while APOE ԑ2 allele may protect against AD. This study aimed to examine the distribution and prevalence of APOE genotypes and their association with AD in older Ugandans. METHOD: Forty-three participants aged ≥ 65 years were recruited from two villages in Wakiso district, Uganda. Suspected AD cases were identified using the Montreal Cognitive Assessment (MoCA) tool. APOE genotypes were determined from blood samples using molecular biology techniques. PRELIMINARY RESULTS: The participants (n = 43) had a mean age of 79.0 ± 11.4 years, with a range from 62 to 120 years, and 86% were female. The distribution and prevalence of APOE genotypes varied across the sample, with ԑ3ԑ3 being the most common (53.5%), followed by ԑ2ԑ3 (23.3%), ԑ2ԑ2 (4.7%), and ԑ3ԑ4 (2.3%). The frequency of ԑ3ԑ3 genotype was consistent across different age groups, reflecting its dominance in the studied population. Females displayed a broader variety of APOE genotypes than males, including ԑ2ԑ3, ԑ2ԑ2, and ԑ3ԑ4. APOE ԑ4 allele was more prevalent among participants with higher MoCA scores, suggesting lower AD risk. CONCLUSION: This study reveals the APOE genotyping patterns and their relation to AD risk in older Ugandans. The low frequency of APOE ԑ4 allele and its inverse association with AD risk are intriguing and warrant further investigation. Future studies should include larger and more representative samples, as well as other biomarkers and clinical measures of AD.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».