Multimodal functional neuroimaging of hippocampal engagement in cognitively normal older individuals
Notice bibliographique
Résumé
BACKGROUND: Hippocampal hyperactivation in fMRI has been observed in individuals at risk for Alzheimer's Disease (AD), both those with normal cognition (NC) and those with mild cognitive impairment (MCI). This hyperactivity may serve as a biomarker for identifying at-risk individuals, as well as a promoter of tau pathology, thus offering the potential to delay or avert cognitive decline through early interventions. Multimodal neuroimaging approaches are essential to better understand hippocampal hyperactivity. fMRI provides indirect hemodynamic measures of neural activity with high spatial resolution, whereas magnetoencephalography (MEG) is a more direct indicator with high temporal resolution. We compared fMRI and MEG responses in older individuals, with no risk factors for AD, to examine the relationship between these measures of hippocampal episodic memory engagement and provide insights into hyperactivity mechanisms to inform future interventions. METHODS: =70±7 [range=58-81] years; 14 females) underwent fMRI (pattern separation task) and MEG (repetition suppression task). In the bilateral hippocampus, we calculated per subject beta coefficients for critical conditions (similar lures in fMRI, repeated stimuli in MEG). Additionally, we calculated the lure discrimination index (LDI) to indicate episodic memory performance, then utilized robust regression to test relationships between fMRI, MEG, and LDI. RESULTS: = 0.15, F(1,19)=3.27, p = 0.087). CONCLUSIONS: The importance of these results is multifaceted. First, we defined a direct neural read-out of hippocampal activity in MEG that can index memory processes known to be affected in AD pathology. Second, we demonstrated the relationship between two complementary measures of hippocampal engagement (fMRI pattern separation, MEG repetition suppression) and their association to lure discrimination performance. Third, we established a normative distribution of both putative biomarkers that can be used for participant selection in future intervention trials.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».