White matter integrity of hearing and cognitive impairments in healthy aging
Notice bibliographique
Résumé
Age-Related Hearing Loss (ARHL), or presbycusis, affects two-thirds of U.S. adults over 70 and is linked to cognitive decline and an increased risk of dementia. This study examines associations between white matter integrity and hearing and cognitive function in healthy aging using diffusion tensor imaging (DTI). We recruited 126 participants (92 female) aged 20–79 years ( M e a n = 51 . 34 , S D = 20 . 54 ) from the Aging Brain Cohort Study at the University of South Carolina (ABC@UofSC). Cognitive performance was assessed using the Montreal Cognitive Assessment (MoCA), and hearing was evaluated through pure-tone thresholds (PTT) and words-in-noise (WIN) thresholds. White matter integrity was measured with fractional anisotropy (FA) and mean diffusivity (MD), and analyses examined relationships between these DTI metrics and hearing and cognitive scores using the region-of-interest regression analysis. Results showed significant associations between lower FA and higher MD values and poorer hearing and cognitive performance, particularly in the anterior and superior corona radiata, corpus callosum, and superior longitudinal fasciculus. Additionally, ANOVA comparisons between older adults with and without hearing impairments revealed significant MD differences in several regions, indicating specific microstructural changes linked to auditory impairment. This study contributes to the understanding of the neural bases of hearing and cognitive impairments, underscoring the potential of DTI as a complementary tool to gray matter-based studies in exploring reliable imaging evidence of hearing and cognitive impairments in healthy aging across adulthood. • Examined WM integrity in aging and its relation to hearing and cognitive impairments. • Utilized high-resolution DTI for detailed analysis of brain microstructure. • Found significant links between lower FA, higher MD, and poorer auditory/cognitive performance. • Identified specific brain regions where MD differences correspond to hearing impairments.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».