Cardiometabolic risk factors and brain age: a meta-analysis to quantify brain structural differences related to diabetes, hypertension, and obesity
Notice bibliographique
Résumé
Background: Cardiometabolic risk factors — including diabetes, hypertension, and obesity — have long been linked with adverse health outcomes such as strokes, but more subtle brain changes in regional brain volumes and cortical thickness associated with these risk factors are less understood. Computer models can now be used to estimate brain age based on structural magnetic resonance imaging data, and subtle brain changes related to cardiometabolic risk factors may manifest as an older-appearing brain in prediction models; thus, we sought to investigate the relationship between cardiometabolic risk factors and machine learning–predicted brain age. Methods: We performed a systematic search of PubMed and Scopus. We used the brain age gap, which represents the difference between one’s predicted and chronological age, as an index of brain structural integrity. We calculated the Cohen d statistic for mean differences in the brain age gap of people with and without diabetes, hypertension, or obesity and performed random effects meta-analyses. Results: We identified 185 studies, of which 14 met inclusion criteria. Among the 3 cardiometabolic risk factors, diabetes had the highest effect size (12 study samples; d = 0.275, 95% confidence interval [CI] 0.198–0.352; n = 47 436), followed by hypertension (10 study samples; d = 0.113, 95% CI 0.063–0.162; n = 45 102) and obesity (5 study samples; d = 0.112, 95% CI 0.037–0.187; n = 15 678). These effects remained significant in sensitivity analyses that included only studies that controlled for confounding effects of the other cardiometabolic risk factors. Limitations: Our study tested effect sizes of only categorically defined cardiometabolic risk factors and is limited by inconsistencies in diabetes classification, a smaller pooled sample in the obesity analysis, and limited age range reporting. Conclusion: Our findings show that each of the cardiometabolic risk factors uniquely contributes to brain structure, as captured by brain age. The effect size for diabetes was more than 2 times greater than the independent effects of hypertension and obesity. We therefore highlight diabetes as a primary target for the prevention of brain structural changes that may lead to cognitive decline and dementia.
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 | 0,014 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,056 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».