MétaCan
Menu
Retour à la cohorte
Enregistrement W4406217741 · doi:10.1002/alz.092848

Exercise reduces white matter pathology in vascular cognitive impairment

2024· article· en· W4406217741 sur OpenAlexaff
Nárlon Cássio Boa Sorte Silva, Elizabeth Dao, Ryan S. Falck, Walid Ahmed Alkeridy, Roger Tam, Kevin Lam, Cindy K. Barha, Rachel A. Crockett, Lisanne F. ten Brinke, Thalia S. Field, Teresa Liu‐Ambrose

Notice bibliographique

RevueAlzheimer s & Dementia · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurological Disease Mechanisms and Treatments
Établissements canadiensLibin Cardiovascular Institute of AlbertaOntario Brain InstituteVancouver Coastal HealthVancouver Coastal Health Research InstituteInternational Collaboration On Repair DiscoveriesUniversity of British ColumbiaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésWhite matterCognitive impairmentMedicineCognitionPathologyWhite (mutation)HyperintensityPhysical medicine and rehabilitationPsychologyNeuroscienceMagnetic resonance imagingRadiologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Subcortical ischemic vascular cognitive impairment (SIVCI) is highly prevalent in older individuals. White matter hyperintensities (WMH) are a defining feature of SIVCI. There are sex differences in SIVCI, with females having higher volume and faster WMH progression than males. Resistance exercise training (RT) can slow WMH progression in cognitively unimpaired individuals; however, evidence in SIVCI is scarce. It is also unknown if biological sex influences WMH response to exercise. We investigated whether RT mitigated WMH in older individuals living with SIVCI and assessed whether biological sex moderated intervention effects. Methods This was a 12‐month single‐blind, randomized controlled trial. Participants were randomized to RT (n = 45, females = 32) or a balance and tone (BAT) control group (n = 46, females = 29). Study eligibility included: 1) age 55 years and older; 2) magnetic resonance imaging (MRI) evidence of cerebral small vessel disease; 3) mild cognitive impairment; and 4) absence of dementia. We measured WMH using a seed‐based pipeline incorporating T2‐ and PD‐weighted MRI scans. We extracted volumes for whole‐brain and lobe‐specific regions‐of‐interest. Differences between groups from baseline to 12 months were assessed via analysis of covariance adjusting for baseline WMH volume, estimated intracranial volume, and sex. We assessed sex‐specific effects via group‐by‐sex interaction terms. Results Seventy‐four participants (aged 74.3 [SD = 5.6], 65% females) completed follow‐up assessment and were included in the analysis. At 12 months, no main effect of intervention was observed for whole‐brain WMH volume (estimated mean difference [asinh‐transformed cm3]: ‐0.045, 95% CI: ‐0.124 to 0.034, p = 0.264). Biological sex significantly moderated intervention effects on whole‐brain WMH volume (p = 0.019), whereby RT reduced WMH volume (vs BAT controls) in females (‐0.113, 95% CI: ‐0.208 to ‐0.018, p = 0.021) but not males (0.081, 95% CI: ‐0.048 to 0.211, p = 0.216). Lobe‐specific analysis revealed that RT reduced WMH volume (vs BAT controls) in the parietal (‐0.074, 95% CI: ‐0.148 to ‐0.0004, p = 0.049) and temporal (‐0.069, 95%CI: ‐0.138 to ‐0.00003, p = 0.049) lobes. Group‐by‐sex interaction effects approached significance for parietal WMH volume (p = 0.052), suggesting an overall sex‐dependent effect of training. Conclusion RT may be an effective strategy to mitigate WMH progression in older individuals with SIVCI and females likely reap greater benefits than males.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,274
Écart entre enseignants0,247 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetNeurological Disease Mechanisms and TreatmentsTravaux en français237 207