APOE4 and infectious diseases jointly contribute to brain glucose hypometabolism, a biomarker of Alzheimer’s pathology: New findings from the ADNI
Notice bibliographique
Résumé
BACKGROUND: Impaired brain glucose metabolism is a preclinical feature of neurodegenerative diseases such as Alzheimer's disease (AD). Infections may promote AD-related pathology. Therefore, we investigated the interplay between infections and APOE4, a strong genetic risk factor for AD. METHODS: We analyzed data on 1,509 participants in the Alzheimer's Disease Neuroimaging Initiative (ADNI) database using multivariate linear regression models. The outcomes were rank-normalized hypometabolic convergence index (HCI), statistical regions of interest (SROI) for AD, and mild cognitive impairment (MCI). Marginal mean estimates for infections, stratified by APOE4 carrier status, were then computed. RESULTS: Prior infections were associated with greater HCI [β = 0.15, 95% CI: 0.03, 0.27, p = 0.01]. The combined effects of infections and APOE4 carriers on HCI levels were significantly greater than either variable alone. Among APOE4 carriers, the estimated marginal mean was 0.62, rising to 0.77, with infections (p<0.001), indicating an interaction effect. Carriers with multiple infections showed greater hypometabolism (higher HCI), with an estimate of 0.44 (p = 0.01) compared to 0.11 (p = 0.08) for those with a single infection, revealing a dose-response relationship. The estimates for the association of infections with SROI AD and SROI MCI were β = -0.01 (p = 0.02) and β = -0.01 (p = 0.04), respectively. CONCLUSION: Our findings suggest that infections and APOE4 jointly contribute to brain glucose hypometabolism and AD pathology, supporting a "multi-hit" mechanism in AD development.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».