BrainAge moderates associations between Alzheimer’s disease biomarkers and cognitive decline: a meta-analysis across A4/LEARN, HABS and ADNI cohorts
Notice bibliographique
Résumé
Abstract BrainAge delta, the difference between a person’s predicted brain age and their chronological age, is a promising marker of the accumulation of neurodegeneration that may increase vulnerability to Alzheimer’s disease (AD). In this study we use structural MRI regions vulnerable to AD, the hippocampus, the amygdala and cortical thickness measurements to build BrainAge models. We examined whether BrainAge delta moderates the relationship between AD biomarkers and longitudinal cognitive decline performing a meta-analysis across three cohorts: A4/LEARN, HABS and ADNI (2,279 cognitively unimpaired [CU]; 416 with mild cognitive impairment [MCI]). Higher BrainAge delta was linked to faster decline in CU (β = -0.13 [-0.21, - 0.06], p = 0.018, I 2 =1%) and more strongly in MCI (β = -0.31 [-0.30, -0.24], p < 1x10 -16 ). BrainAge also interacted with Aβ-PET (β = -0.09 [-0.13, -0.05], p = 0.0054, I 2 =12%) and plasma pTau 217 (β = -0.09 [-0.15, -0.03], p = 0.018, I 2 =0.1%), but not Tau-PET, to impact cognitive decline, where synergistically higher BrainAge delta and elevated AD markers resulted in faster cognitive decline. We next tested its utility for clinical trial enrichment. Sequential screening with pTau 217 and BrainAge delta reduced required sample size for prevention trials by 77%, versus 61% using pTau 217 alone. These findings support BrainAge delta as a marker of neurodegeneration and may serve as an enrichment tool for AD prevention trials.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,019 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».