Relationships between age-associated changes in context memory and cortical thickness across the adult lifespan
Notice bibliographique
Résumé
Episodic memory is the ability to remember an item or event in rich contextual detail. Healthy aging is associated with declines in this ability in addition to widespread cortical thinning. These parallel declines suggest that age-related changes in cortical thickness may contribute to episodic memory decline with age. As few studies have directly examined this association, the current study aims to cross-sectionally explore whether regional cortical thickness (CT) mediates the relationship between age and episodic memory as measured by a context memory task for faces. The brain regions examined in the current study have been previously associated with episodic memory performance and demonstrate age-associated cortical thinning in the current healthy lifespan sample (N= 114). The regions on the left were lingual, fusiform, rectus, parahippocampal, superior frontal, caudal middle frontal, inferior frontal, angular, and supramarginal gyri; and the regions on the right were parahippocampal, rectus, angular, supramarginal, superior temporal, middle temporal, superior frontal, caudal middle frontal, and inferior frontal gyri. Conditional mediation models were tested using bootstrapping in order to determine whether and how these regions mediate age-associated changes in performance on the context memory task. It was found that CT of the right parahippocampal and superior frontal gyri were related to performance differentially with age, lending support to the conception that grey matter-episodic memory relationships change with age. The models also demonstrated that regional CT mediated age-associated variance in context memory performance in a way that is conditional upon age. Furthermore, the current analysis identified a dissociation between CT of a region mediating age-associated variance in accuracy, and predicting accuracy after controlling for age. Overall, these findings underscore the importance of implementing a longitudinal approach because the examination of intra-individual changes over time would better tease out how age-related changes in CT affect context memory, without the need to account for CT-episodic memory relationships due to factors other than age.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».