Investigating links between white matter hyperintensities and menopausal status using robust age-correction methods in UK Biobank
Notice bibliographique
Résumé
Abstract White matter hyperintensities (WMHs) are radiological abnormalities indicative of cerebrovascular dysfunction associated with increased risk for cognitive decline. WMHs increase in prevalence with older age, and there are known sex differences as older women harbour higher WMH burden than men. Some have hypothesized that the increase in this dementia-related risk factor is related to the menopausal transition. To untangle the effects of age and menopause, we leveraged a large cross-sectional sample of women from the UK Biobank (n = 9560) to investigate differences in WMH volumes across menopausal status using a strict age-matching procedure. Surprisingly, we find higher WMH volumes in premenopausal women compared to postmenopausal women in certain analysis schemes, especially as compared to surgically postmenopausal women. These results reached significance mostly in analyses where the postmenopausal groups had a longer time since menopause. Our results pertaining to menopause-related characteristics, such as age at menopause or menopause hormonal therapy, did not replicate the literature reporting an association with WMH volumes. Cardiometabolic factors, such as smoking and blood pressure, were significant predictors of WMH volume in the full sample without age-matching. These effects were not significantly different across menopausal status, with the exception of blood pressure medication use, which was associated with higher WMH volumes to a larger extent in premenopausal women relative to postmenopausal women. Our findings are in the opposite direction of reported effects of higher WMH volumes following the menopausal transition, which could be due to variations in age correction techniques or idiosyncrasies in the UK Biobank sample, especially as it relates to the lack of data on perimenopause. We further show that the effects of positive cardiometabolic and lifestyle factors on brain health, as indexed with WMH volumes, generally do not change after menopause. Factors other than the menopausal status may be at play in explaining the difference in WMH burden between men and women in later life.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».