Blood biomarkers of vascular dysfunction in small vessel disease progression: Insights from a longitudinal neuroimaging study
Notice bibliographique
Résumé
INTRODUCTION: This study explored the relationship between blood biomarkers of cerebrovascular function and small vessel disease (SVD) neuroimaging markers and cognitive outcomes in highly-phenotyped participants. METHODS: We conducted cross-sectional and 1-year longitudinal analyses on 181 patients with mild ischemic stroke, enriched for SVD features. We examined relationships between a panel of 13 blood biomarkers and magnetic resonance imaging (MRI) markers of SVD (structural lesions, diffusion-weighted imaging [DWI]-positive lesions, blood-brain barrier (BBB) permeability, and cerebrovascular reactivity (CVR), and cognition. RESULTS: In linear mixed models, vascular endothelial growth factor was significantly associated with incident DWI-positive lesions over 1 year. Intercellular adhesion molecule-1 was linked with lower CVR while platelet-derived growth factor-subunit B and Endothelin-1 were associated with higher CVR. Platelet-Selectin levels were associated with mild cognitive impairment at 1 year. DISCUSSION: Our results support the role of endothelial and pericyte dysfunction in SVD burden and progression and suggest that specific biomarkers relate to distinct SVD manifestations. HIGHLIGHTS: Small vessel disease (SVD) lacks specific or predictive biomarker signatures. Vascular endothelial growth factor levels were linked to incident lesions detected over 1 year. Circulating intercellular adhesion molecule-1 related to lower cerebrovascular reactivity. Platelet-selectin levels were associated with mild cognitive impairment longitudinally. These findings could help stratify patients at high-risk of rapid-progression SVD.
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 | 0,002 | 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 | 0,000 | 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 ».