Prevalence, and Predictors, of Vascular Cognitive Impairment in CADASIL
Notice bibliographique
Résumé
Abstract Background and Objective CADASIL is the most common monogenic form of stroke and early onset dementia. We determined the prevalence of vascular cognitive impairment (VCI) in a cohort of CADASIL patients, and investigated which factors were associated with VCI risk, including clinical, genetic and MRI parameters. Methods Cognition was assessed in genetically confirmed CADASIL patients (n = 176) and healthy controls (n= 265) (mean(SD) age 50.95(11.35) v 52.37(7.93) years), using the Brief Memory and Executive Test (BMET) and the Montreal Cognitive Assessment (MoCA). VCI was defined according to previously validated cut-offs. We determined the prevalence of VCI and its associations with clinical risk factors, mutation location (EGFr 1-6 versus EGFr 7-34), and MRI markers of small vessel disease. Results VCI was more common in CADASIL than controls; 39.8 v 10.2% on BMET 47.7% v 19.6% of MOCA. CADASIL patients had worse performance across all cognitive domains. History of stroke was associated with VCI on the BMET (OR 2.12, 95% CI [1.05, 4.27] p = 0.04) and on the MoCA (OR 2.55 [1.21, 5.41] p = 0.01), after controlling for age and sex. There was no association of VCI with mutation site. Lacune count was the only MRI parameter independently associated with VCI on the BMET (OR: 1.63, 95% CI [1.10, 2.41], p = 0.014), after controlling for other MRI parameters. These associations persisted after controlling for education in the sensitivity analyses. Conclusions VCI is present in almost half of CADASIL patients with a mean age of 50. Stroke and lacune count on MRI were both independent predictors of VCI on the BMET.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».