Structural network efficiency predicts resilience to cognitive decline in elderly at risk for Alzheimer’s disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Functional imaging studies have demonstrated the recruitment of additional neural resources as a possible mechanism to compensate for age and Alzheimer’s disease (AD)-related cerebral pathology, the efficacy of which is potentially modulated by underlying structural network connectivity. Additionally, structural network efficiency (SNE) is associated with intelligence across the lifespan, which is a known factor for resilience to cognitive decline. We hypothesized that SNE may be a surrogate of the physiological basis of resilience to cognitive decline in elderly persons without dementia and with age- and AD-related cerebral pathology.Methods: We included 85 cognitively normal elderly subjects or mild cognitive impairment (MCI) patients submitted to baseline diffusion imaging, liquor specimens, amyloid-PET and longitudinal cognitive assessments. SNE was calculated from baseline MRI scans using fiber tractography and graph theory. Mixed linear effects models were estimated to investigate the association of higher resilience to cognitive decline with higher SNE and the modulation of this association by increased cerebral amyloid, liquor tau or WMHV. Results: For the majority of cognitive outcome measures, higher SNE was associated with higher resilience to cognitive decline (p-values: 0.011–0.039). Additionally, subjects with higher SNE showed more resilience to cognitive decline at higher cerebral amyloid burden (p-values: <0.001–0.036) and lower tau levels (p-values: 0.002–0.015).Conclusion: These results suggest that SNE to some extent may quantify the physiological basis of resilience to cognitive decline most effective at the earliest stages of AD, namely at increased amyloid burden and before increased tauopathy.
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 découle