Biomarkers
Notice bibliographique
Résumé
BACKGROUND: Perivascular spaces (PVS), when enlarged, become visible and quantifiable on brain magnetic resonance images (MRI). PVS visibility in MRI has been found to be associated with ageing, hypertension, sleep disorders, and cerebral small vessel disease, but their relationship with cognition in adults remains unclear. METHOD: Here, we aimed to determine whether PVS volumes were associated with cognitive performance, using MRI and cognitive data from 14 different cohorts on ageing, dementia, and cerebrovascular disease. We computationally segmented PVS and estimated PVS volumes within the basal ganglia (BG-PVS) and cerebral white matter, primarily including the centrum semiovale (CSO-PVS) regions-of-interest. We then performed cross-sectional and longitudinal meta-analyses, both accounting for random effects. The cross-sectional meta-analysis employed a linear mixed model to relate PVS volumes to cognitive performance scores (Montreal Cognitive Assessment, MoCA or, Toronto Cognitive Assessment, TorCA) divided by the maximum in each cohort. The longitudinal meta-analysis used logistic regression to predict cognitive status, either remaining cognitively normal or developing impairment over time, from PVS volumes as a percentage in the respective regions-of-interest. RESULT: Cross-sectional meta-analysis (n = 17771). Individuals with higher fractional PVS volumes had lower cognitive performance scores. This observation was consistent across multiple studies and remained significant after adjusting for age, sex, white matter hyperintensities, and years of education. A 10% change in CSO-PVS volume would estimate a 2% reduction in cognitive score. Longitudinal meta-analysis (n = 2447). Higher fractional PVS volumes tended to predict a greater likelihood of any cognitive impairment, although this relationship varied according to the participant populations (healthy aging, stroke, memory clinic) and/or other long-term brain changes (e.g., atrophy, worsening WMH), and variation in duration of follow-up. CONCLUSION: The volume of MRI-visible PVS impacts ageing, vascular or neurogenerative processes leading to cognitive decline. More longitudinal data are needed to confirm the association. Other PVS measures should be assessed as these may be more sensitive to cognitive decline.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».