Racial and Ethnic Differences in White Matter Hyperintensity Burden: The Role of Vascular Risk Factors
Notice bibliographique
Résumé
Abstract Background A critical pathological marker observed in the aging brain is white matter hyperintensities (WMHs). WMHs are associated with an increased risk of cognitive decline, progression to mild cognitive impairment, and development of dementia. Vascular risk factors such as hypertension, diabetes, and elevated body mass index are well known contributors to WMH burden and independently increase the risk of dementia. These risk factors are disproportionately prevalent in racially diverse populations. However, the role of vascular risk factors in explaining WMH differences is not well understood in racially and ethnically diverse populations. This study examined whether race and ethnicity influence WMH burden and whether vascular risk factors explain these differences. Method Clinical and MRI data from the National Alzheimer's Coordinating Center (NACC) included 7,132 Whites, 892 Blacks, 283 Asians, 8307 non‐Hispanics, and 661 Hispanics. Baseline and longitudinal WMHs (Figure 1) were examined using linear regression and mixed‐effects models across racial and ethnic groups, controlling for demographics and vascular risk factors. Result At baseline, significant WMH burden differences were found between Black vs White older adults in total, frontal, temporal, parietal and occipital regions ( t ranging between 2.07–5.29, p <0.001). After adjusting for vascular risk factors, WMH burden differences were reduced in total, frontal, parietal, and occipital regions ( t ranging between 3.58‐4.37, p <0.001) and eliminated in temporal regions ( t = 1.76, p = 0.08). In the longitudinal dataset, when comparing Hispanics to non‐Hispanics, significant differences in total WMH burden were found only after adjusting for vascular risk factors ( t = 2.00, p = 0.04). No significant WMH burden differences were observed between Asian and White participants at baseline or longitudinally ( p >0.05). See Figure 2 (total WMH volume) and 3 (total and regional WMH volume) for median t‐statistics from the WMH analyses. Conclusion Vascular risk factors contribute to some of the racial WMH burden differences between Black and White older adults. The reverse effect was observed in Hispanic vs non‐Hispanic populations, with addition of vascular risk factors revealing ethnic group differences. These findings highlight the importance of exploring how the interaction between risk factors and race/ethnicity contributes to brain changes in the aging population.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».