MétaCan
Menu
Retour à la cohorte
Enregistrement W4412589709 · doi:10.1038/s44400-025-00024-0

Smoking predicts brain atrophy in 10,134 healthy individuals and is potentially influenced by body mass index

2025· article· en· W4412589709 sur OpenAlexaff
Somayeh Meysami, Saurabh K. Garg†, Sam Hashemi, Nasrin Akbari, Ahmed Gouda, Yosef Gavriel Chodakiewitz, Thanh D. Nguyen, Rajpaul Attariwala, Kellyann Niotis, David A. Merrill, Cyrus A. Raji

Notice bibliographique

Revuenpj Dementia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensArtificial Intelligence in Medicine (Canada)AXYS Technologies (Canada)
Organismes subventionnairesNational Institute on AgingNational Institutes of Health
Mots-clésPrecuneusWhite matterAtrophyBrain sizeTemporal lobeBody mass indexMedicineNeuroimagingNeurodegenerationImaging biomarkerInternal medicinePosterior cingulateDementiaCardiologyPsychologyMagnetic resonance imagingNeuroscienceCortex (anatomy)RadiologyCognitionEpilepsy

Résumé

récupéré en direct d'OpenAlex

Abstract Cigarette smoking is a risk factor for Alzheimer’s and vascular dementia, but its impact on brain volume loss, a neurodegeneration biomarker on MRI, is unclear. In total, 10,134 participants from 4 sites were scanned with a whole-body 1.5 T MRI protocol with separate dedicated structural neuroimaging with 3D T1 MPRAGE sequences. Smokers versus non-smokers were compared by gray and white matter volumes normalized to total intracranial volume using a two-tailed t -test. Smokers had lower normalized gray ( t = −7.806e+00, p = 6.508e-15) and white matter volumes ( t = −7.374e + 00, p = 1.791e-13) compared to non-smokers. Adjusting for age, sex, study site, BMI, and multiple comparisons, higher pack years of smoking predicted volume loss in such regions as total gray matter volume, total white matter volume, temporal lobe, parietal lobe, hippocampus, precuneus, and posterior cingulate. The inclusion and exclusion of BMI from the model suggested an influence of this variable.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,237
Score d'incertitude au seuil0,651

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,337
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj DementiaMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207