Association between self-reported multimorbidity and longitudinal brain Aβ deposition in Alzheimer’s disease
Notice bibliographique
Résumé
Multimorbidity is common in older adults. However, whether multimorbidity accelerates brain beta-amyloid (Aβ) deposition, the molecular driver of Alzheimer’s disease (AD), in humans remains largely unknown. In this study, we selected 435 brain Aβ-positive participants with available longitudinal Aβ-PET data (mean duration 3.9 years) from the Alzheimer’s Disease Neuroimaging Initiative (ADNI) cohort. Twenty-two self-reported chronic disorders were considered as a measure of the severity of multimorbidity. After adjustment for age, sex, education level, APOE-ε4 status and baseline cognitive state, individuals with a high or medium multimorbidity burden had faster rates of brain Aβ accumulation than individuals with a low multimorbidity burden. Moreover, both the central nervous system and peripheral system multimorbidity burdens were associated with longitudinal brain Aβ deposition. These results indicate that peripheral organ and tissue dysfunctions may contribute to AD pathogenesis, which may help researchers better understand AD pathogenesis and tailor interventions for AD from a systemic view. Whether multimorbidity accelerates brain Aβ deposition in humans remains largely unknown. Here, the authors demonstrate that higher self-reported multimorbidity burden predicts increased brain Aβ accumulation rates in the ADNI cohort.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».