Zümmögés Agy Mapp. 2010 Mar;31(3):353-64. doi: 10.1002/hbm.20870.
Raji CA, Ho AJ, Parikshak NN, Becker JT, Lopez OL, Kuller LH, Hua X, Leow AD, Toga AW, Thompson PM.
forrás
Patológiai Egyetem, Pittsburghi Egyetem, Pennsylvania, USA.
Absztrakt
Az elhízás a szív- és érrendszeri egészségügyi problémák, köztük a cukorbetegség, a magas vérnyomás és a stroke fokozott kockázatával jár. Ezek a szív-érrendszeri megbetegedések növelik a kognitív hanyatlás és a demencia kockázatát, de nem ismert, hogy ezek a tényezők, különösen az elhízás és a II. Tenzor alapú morfometriát (TBM) használtunk a szürke anyag (GM) és a fehéranyag (WM) térfogatbeli különbségek vizsgálatára 94 idős betegeknél, akik kognitívan normálisak maradtak legalább 5 évig a vizsgálat után. kétváltozós a többszörös összehasonlítások korrekciójával, erősen összekapcsolt testtömegindex (BMI), éhgyomri plazma inzulin (FPI) és II. típusú cukorbetegség (DM2) analízisével, a frontális, időbeli és szubkortikális agyrégiókban. A többszörös regresszió A többszörös összehasonlításokat is korrigáló modell feltárta, hogy a BMI még mindig negatívan korrelált az agy atrófiájával (FDR <5%), míg a DM2 és az FPI már nem társult semmilyen térfogati különbséghez. Ban ben a kovariancia elemzése (ANCOVA) Az életkor, nem és faj alapján kontrollált, magas BMI-vel (BMI> 30) rendelkező elhízott alanyok atrófiát mutattak a frontális lebenyekben, az elülső cinguláris gyrusban, a hippocampusban és a thalamusban, összehasonlítva a normál BMI-vel rendelkező személyekkel (18.5–25). A túlsúlyos személyeknél (BMI: 25–30) atrófia volt a bazális ganglionokban és corona radiata a WM. A teljes agyi térfogat nem különbözött a túlsúlyos és az elhízott személyek között. A magasabb testtömegindex a túlsúlyos és elhízott idős betegek alacsonyabb agyi térfogatával társult. Az elhízás ezért kognitívan normális idős alanyoknál észlelhető agyi térfogathiányhoz kapcsolódik.
Bevezetés
Az elhízás és a II. Típusú, vagy az inzulinfüggő cukorbetegség (DM2) két egymással összefüggő állapot, amelyek elérték a járványos arányokat. Jelenleg több mint egymilliárd túlsúlyos és 300 millió elhízott ember van világszerte [Egészségügyi Világszervezet, 2009]. Az idős lakosságot nem kímélték - a 40 év feletti férfiak 45% -át és a nők 70% -át elhízás vagy DM2 terheli [Ceska, 2007], növelve a szív- és érrendszeri betegségek és a stroke kockázatát [Mankovsky és Ziegler, 2004]. Az elhízás a kognitív hanyatlás és a demencia, ezen belül az Alzheimer-kór (AD) kockázati tényezője [Elias és munkatársai, 2005; Wolf és munkatársai, 2007]. Ezt a hozzáadott kockázatot a DM2 közvetítheti, amely nagyobb valószínűséggel kapcsolódik az AD-hez [Irie és munkatársai, 2008; Leibson és munkatársai, 1997].
A kardiovaszkuláris egészségi tanulmány-kognitív vizsgálat (CHS-CS) adatait elemző korábbi vizsgálatok azt mutatják, hogy a cerebrovascularis betegség az életkor, a faj és az oktatás szintje mellett a kognícióhoz és az AD-re vonatkozó közbenső kockázati állapot kialakulásához kapcsolódik. enyhe kognitív károsodás (MCI) [Lopez és munkatársai, 2003a]. Az MCI kardiovaszkuláris kockázati tényezői közé tartoztak a fehéranyag-elváltozások, az infarktusok, a magas vérnyomás, a cukorbetegség és a szívbetegségek [Lopez és munkatársai, 2003a]. Továbbá az AD-ben szenvedő betegek rendellenesen magas agyi atrófia [Apostolova és munkatársai, 2006; Callen és munkatársai, 2001; Leow és munkatársai, 2009]. Ezenkívül az agyi atrófia kimutatható az MRI-ben még a kognitív károsodás klinikailag nyilvánvalóvá válása előtt is, amint azt egy olyan vizsgálat is kimutatta, hogy az aszimptomatikus APOE4 hordozóknál nagyobb a atrófia, mint a nem hordozóknál [Morra és munkatársai, 2009].
Az elhízás és a DM2 fokozhatja a demencia kockázatát az agyi atrófiának a kognitívan érintetlen egyénekben való romlásával, növelve a jövőbeni AD neuropatológiai sebezhetőségüket. Korábbi vizsgálatok, főként az 65-nál fiatalabb betegeknél azt sugallják, hogy a megnövekedett testszövet-zsírtartalom (zsírosság) korrelál az időbeli cortex, a frontális lebeny, a putamen, a caudate, a precuneus, a thalamus és a fehér anyag (WM) [5] atrófiájával.Gustafson és munkatársai, 2004; Pannacciulli és munkatársai, 2006; Taki és munkatársai, 2008]. Nem ismert, de nagy érdeklődésre számít, hogy a BMI-vel mért magas szöveti zsírtartalom a kognitívan normális idősekben az agyi szerkezet különbségeihez kapcsolódik.
A DM2 az idősek agyi atrófiájához is kapcsolódik, beleértve az időbeli lebenyeket, a hippocampust és az oldalsó kamrák nagyobb kiterjedését [Korf és munkatársai, 2007]. Ezeknek a hatásoknak a leggyakoribb magyarázata a WM-elváltozások [Claus és munkatársai, 1996] és klinikai stroke [Mankovsky és Ziegler, 2004]. A DM2-szel kapcsolatos agyi atrófia másodlagos lehet a betegségben tapasztalt fokozott inzulinszintre; magasabb éhgyomri plazma inzulin összefüggésbe hozható kognitív hiányosságokkal idős betegekben [Yaffe és munkatársai, 2004], és elősegíti az amiloid lerakódást, ezáltal növelve az Alzheimer-kór kockázatát [Watson és munkatársai, 2003]. Eddig egyetlen más vizsgálat sem mutatott összefüggést az éhgyomri plazma inzulin és az agy szerkezetével, még akkor sem, ha a DM2-et megvizsgálták. Az ilyen vizsgálatokban komoly potenciális zavar az idő előtti idegrendszeri csoportokban a tünetek előtti neurodegeneratív változások lehetősége. Mivel az agyi atrófia és az AD patológiája évekig fennállhat a klinikai tünetek megjelenése előtt [Braskie és munkatársai, 2008; DeKosky és munkatársai, 2006] a BMI, a DM2 és az agyi atrófia vizsgálatát olyan személyeknél kell elvégezni, akik számára a kezdeti AD kizárható.
Az elhízás és a DM2 fokozhatja az AD kockázatát az agy atrófiájának előmozdításával, és így potenciálisan kritikus kockázati tényezők lehetnek a kognitív hanyatlás és a demencia szempontjából. Mivel ezek a feltételek bizonyos mértékig megakadályozhatók és kezelhetők, fontos, hogy azonosítsuk a nem dementált idősek specifikusan érintett agyi struktúráit, mind az érintett rendszerek megértéséhez, mind pedig végső soron az e területek védelmét célzó beavatkozások sikerének felméréséhez.
Tenzor alapú morfometriát (TBM) alkalmaztunk, amely viszonylag új módszer [Hua és munkatársai, 2008; Thompson és munkatársai, 2000], az 3D térképek generálására az agyi atrófiáról a nem-dementált idős betegek csoportjában, akiket a szív- és érrendszeri egészségügyi tanulmányok kognitív tanulmányából (CHS-CS) vettek fel, egy olyan közösségi csoportba tartozó személyekből, akikre kiterjedt klinikai, kognitív és képalkotó adatok léteznek [Lopez és munkatársai, 2004]. A longitudinális kognitív adatok alapján 94 alanyokat választottunk ki, akik legalább 5 évig kognitívan normálisak maradtak a kiindulási MRI vizsgálat után, ezáltal minimalizálva a korai preklinikai neurodegeneráció zavaró hatásait. A BMI (n = 94), FPI (n = 64) és DM2 diagnózis (n = 94) visszanyerése a GM és WM térfogatbeli különbségek tárgyakban mért képi méréseivel szemben annak megállapítása érdekében, hogy ezek a változók az agy atrófiájához kapcsolódnak. Használtuk kétváltozós korreláció modellek az első feltáró elemzéshez, majd többszörös regresszió modelleket használtak fel a potenciális zavarók, például a nemek és a fajok számbavételére. Összehasonlítottuk a normális testsúly (BMI: 18.5 – 25), a túlsúlyos (BMI: 25 – 30) és az elhízott (BMI: 30 +) agyi szerkezetét, hogy megbizonyosodjunk arról, hogy ezek a klinikai kiesések a magasabb zsírszöveti meghatározáshoz kapcsolódnak-e az agyi atrófiához.
Anyagok és módszerek
Tantárgyak
A szív- és érrendszeri egészségtanulási tanulmány (CHS-CS) a CHS-demencia vizsgálat folytatása, amely az 2002 – 2003-ben kezdődött a demencia és az enyhe kognitív károsodás (MCI) előfordulási gyakoriságának meghatározására az 1998-ben azonosított normál és MCI alanyokban. –99 Pittsburghben [Lopez és munkatársai, 2003b]. Az 927-1998-ben vizsgált 99-résztvevők közül az 532 normál és MCI-alanyok 2002 – 03-ben voltak tanulmányozhatók. Minden személy teljes neurológiai és neuropszichológiai vizsgálatot végzett 1998 – 99 és 2002 – 03-ben, és az 1992-94 295-3 és az 1998 agy MRI-jét az 99-94 1997-D térfogatú agyi MRI-vel vizsgálták. Az utóbbi mintából 1998 alanyokat választottunk ki, akik kognitívan normálisak voltak az 2002-2003 és az 94 – 64. A BMI-t (n = XNUMX) és az éhgyomri plazma inzulinszinteket (n = XNUMX) standard CHS módszerekkel végeztük [Fried és munkatársai, 1991; McNeill és munkatársai, 2006]. Az összes nem képalkotó statisztikai elemzést a statisztikai csomag segítségével elemeztem (SPSS, 16.0, SPSS Inc., Chicago, IL).
II. Típusú cukorbetegség (DM2)
A DM2 osztályozását évente szerzett orvosi adatok alapján határozták meg, és részletesebben ismertetik a korábban közzétett munkában [Brach és munkatársai, 2008]. Összefoglalva: a CHS résztvevõit DM2-re sorolták, ha megfelelnek az alábbi kritériumok bármelyikének: (i) bármely DM2 gyógyszer alkalmazása; ii. éhomi (≥ 8 óra) glükóz ≥ 126 mg / dl; (iii) nem gyors (<8 óra) glükóz ≥ 200 mg / dl, vagy (iv) orális glükóz tolerancia teszt: ≥ 200 mg / dL.
MRI felvétel és képjavítás
Minden MRI-adatot a Pittsburghi Egyetem Orvosi Központjának MR Kutatóközpontjában 1.5 T-os GE Signa szkenner (GE Medical Systems, Milwaukee, WI, LX verzió) felhasználásával szereztünk. 3D teljes volumetrikus elrontott gradiens felidézett felvétel (SPGR) szekvenciát kaptunk az egész agyról (TE / TR = 5/25 msek, elfordulási szög = 40 °, NEX = 1, szeletvastagság = 1.5 mm / 0 mm szeletek közötti rés), párhuzamosan állítva az AC-PC vonalon 256 × 256 képelemet tartalmazó síkbeli felvételi mátrixszal, 250 × 250 mm látómezővel és 0.98 × 0.98 mm síkbeli voxelmérettel.
Kép előfeldolgozás
Az egyes szkenneléseket lineárisan regisztrálták a Nemzetközi Agyfeltérképezési Konzorciumhoz, a standard agyi képsablonhoz (ICBM-53) egy 9-paraméterregisztráció segítségével, amely figyelembe veszi a globális pozíciót és az egyének közötti méretbeli különbségeket, beleértve a fejméretet. A globálisan igazított képeket az 220 voxelek izotróp térben ismételtük az egyes tengelyek mentén (x, y, és z), végső voxel mérettel 1 mm3.
Tenzor alapú morfometria (TBM) és háromdimenziós Jacob térképek
A tenzor alapú morfometria (TBM) a térfogatbeli változások átlagolásának (azaz a Jacob-térképek) átlagolásával érzékeli a helyi térfogatkülönbségeket, miután az egyes térképek nem-lineárisan igazodtak a minimális deformációs sablonhoz (MDT). Ennek az egyedi tanulmánynak az MDT-jét az 40 normál CHS-alanyok MRI-vizsgálatából hozták létre, hogy lehetővé tegyék az automatikus képregisztrációt, csökkentsék a statisztikai torzítást, és potenciálisan javítsák a statisztikailag szignifikáns hatások felismerésétHua és munkatársai, 2008; Kochunov és munkatársai, 2002; Lepore és munkatársai, 2007]. Minden szkennelés nem lineárisan igazodik a tanulmányspecifikus sablonhoz úgy, hogy mindegyikük közös koordinátarendszerrel rendelkezzen, és az egyes alanyokra az 3D rugalmas hajlítási transzformáció, a Jacob determináns lokális expanziós tényezőjét ábrázoltuk. Ezek a 3D Jacobian térképek az egyes egyének és a közös sablon közötti viszonylagos térfogatkülönbségeket mutatják, és felhasználhatók strukturális térfogatcsökkentési területek, például a GM és a WM atrófiájának illusztrálására. A CHS-MDT sablont manuálisan parcelláltuk a Brainsuite szoftverrel (http://brainsuite.usc.edu/) egy képzett anatómus által a cerebrumot lefedő bináris maszkok létrehozására. A BMI és a Jacobian térképek közötti korrelációkat minden egyes voxelben értékeltük az általános lineáris modell alkalmazásával egész agyi szinten.
A statisztikai elemzések áttekintése
A kétváltozós statisztikai teszteket feltáró elemzésként végeztük el annak megállapítására, hogy az elhízás és az egyik jól ismert szövődménye, a DM2, a GM és WM atrófiához kapcsolódott-e. Ezt is elvégeztük FPI-vel, mivel a megnövekedett inzulinszint a DM2 patológia korai komponense [Ceska, 2007]. Ezután többszörös regressziós analízist alkalmaztunk annak meghatározására, hogy melyik változó a leginkább a minta varianciájának felel meg. Ezután az ANCOVA analízisek során a normál BMI, a túlsúly és az elhízás általános klinikai osztályozását használtuk. Ennek célja, hogy a BMI-megállapításainkat olyan kifejezésekben fejezzük ki, amelyeket egy klinikai kontextusban lehet érteni.
Kétváltozós statisztikai elemzések
Egy kezdeti feltáró elemzésben a kétváltozós modell, amely korrelálja a Jacobian térképeket, amelyek információt nyújtanak mind a szövet atrófiájáról, mind a CSF expanzióról a standard sablonhoz képest, a lehetséges BMI, FPI és DM2 változókkal. A negatív, pozitív és kétoldalú korrelációkat külön vizsgáltuk. Ezeknek az egyesületeknek a statisztikai szignifikanciáját az omnibus használatával jelentik p-értékeket. Mivel hipotézisünk a GM és a WM atrófiára összpontosított, csak jelentést készítünk p-értékek a negatív társításokhoz (azaz egyfajta tesztelés alapján). Permutációs tesztek N= 10,000 randomizációk) [Edgington, 1995] a többszörös összehasonlítások korrigálására került sor. Korrigáltunk p- az effektek általános mintázatának értékei, a nullhipotézis alatt a véletlenszerűen hozzárendelt rejtett küszöbmennyiség figyelembevételének valószínűségét, azaz véletlenszerűen hozzárendelt kovarianciákat (voxel-szint küszöbérték beállítása) p= 0.01). A statisztikailag szignifikáns egyesületeket mint térképeket vetítettük ki p-értékek és korrelációs együttható r-értékek a CHS-MDT-re a Shiva néző (http://www.loni.ucla.edu/Software/Software_Detail.-jsp?software_id=12) és szabványos mérlegekkel jelenik meg.
Többszörös regresszió Statisztikai elemzések
A kétváltozós megközelítés a feltáró elemzéseinkben, a többszörös regresszió statisztikai modell, amely jobban megérti, hogy mely változók közül melyik (BMI, FPI, DM2) a legjobban a kohorsz agyi térfogatokban mutatkozott meg. A Jacob térképeket elemeztük Statisztikai paraméteres térképezés szoftver (SPM2, http://www.fil.ion.ucl.ac.uk/spm/), BMI, DM2, életkor, nem és fajta bevitelével azonos általános lineáris modellben. Az FPI hatását külön-külön teszteltük a BMI interakciós modelljeiben.
Ahhoz, hogy jobban megértsük, hogy a BMI és az agyi struktúra közötti inverz összefüggések eloszlottak az elhízott csoportokban, és hogy ezeket a szövetségeket klinikai kontextusba helyezzék, egy sor csoport ANCOVA elemzést futtattunk SPM2-ben. Ezek a következők voltak: (i) elhízott és a normál BMI csoportok; (ii) Túlsúly a normál BMI csoportokhoz képest; (iii) Elhízott és túlsúlyos csoportok. A csoportok közötti összes összehasonlítást az életkor, a nem, a faj és a DM2 szabályozza. A többszörös összehasonlítások korrekciója a False Discovery Rate (FDR) módszerrel történt [Genovese és munkatársai, 2002] ahol a megállapításokat csak akkor jelentették szignifikánsnak, ha a hamis pozitív eredmények aránya a térképen kisebb volt, mint az 5%. Voxel szintű t-értékeket átalakítottunk pont biserialis korrelációkra (r) a hatásméret mértéke, az SPM2 cg_spmT2x.m parancsfájljával. Ez minden elemzés esetében megtörtént, hogy az összes eredmény hatásméretét ugyanazzal az intézkedéssel hasonlítsa össze. A r-értékek vetítették a szabványos egy alany MNI-sablonjának ortogonális szakaszaira [Holmes és munkatársai, 1998] ban ben MRIcron (http://www.sph.sc.edu/comd/- rorden/MRIcron/) megjelenítési célokra.
Eredmények
Az alany demográfiai adatai láthatóak I. táblázat, normál, túlsúlyos és elhízott 3 BMI kategóriákra osztva (BMI tartomány: 18.5 – 36.2). Csak a BMI és az FPI szint különbözött a csoportok között - ahogy az várható volt, vagy definíció szerint a túlsúlyos és elhízott emberek BMI és FPI szintje magasabb volt, mint a normál BMI csoporté (p ≤ 0.001). A DM2 és az FPI szintek között nem volt összefüggés (r(64) = .01,p = .92). Emellett a DM2 objektumok nem rendelkeztek magasabb FPI szintekkel, mint a nem FPI alanyok (t(62) = −.09,p = .92).
Kétváltozós statisztikai elemzések:
Lehetséges zavarók
TBM térképeinkben a potenciális zavaró változókat és az agyi struktúrát korreláló növekvő életkor a tendenciaszintű összefüggést mutatott a minta alacsonyabb agyi volumenével, de ez nem volt statisztikailag szignifikáns (p = 0.07, korrigált; permutációs teszt). A kor és a BMI nem mutatott szignifikáns összefüggést a mintánkban (r (92) = - 0.04, p = 0.90) és az életkor nem korrelált az inzulinszinttel (r (64) = 0.06, p = 0.66) vagy DM2 diagnózissal (r (92) = −0.05, p = 0.61). Továbbá, az APOE4 genotípus, amely növeli a sporadikus AD kockázatát, nem volt összefüggésben az agyi szerkezet kimutatható változásaival, amint azt a mintában a TBM szerint értékelték (p = 0.39, permutációs teszt). A középiskolán kívüli előrehaladásként kategorizált oktatás szintén nem volt statisztikailag szignifikáns a GM és a WM atrófia TBM méréseivel való negatív összefüggésben (p= .92, permutációs teszt) vagy pozitívan (p= .12, permutációs teszt). A magas vérnyomás klinikai megnevezésében (szisztolés / diasztolés> 140/90 mm hg vagy antihipertenzív gyógyszerek alkalmazása) szintén nem volt statisztikailag szignifikáns negatív korreláció a mintánkban szereplő agy szerkezetével (p= .33, permutációs teszt).
BMI
A magasabb BMI-t szignifikánsan korrelálták az alacsonyabb GM és WM mennyiségekkel az agyban (p <0.001, permutációs teszt). 1a a CHI-specifikus minimális deformációs sablonra (a CHS-MDT) vetített BMI és az agystruktúra fordított összefüggéseinek korrelációs együtthatóit mutatja. A kék színek magasabb negatív korrelációjú területeket képviselnek; Az értékek általában -0.30 és 0.30 között mozognak. A piros és a sárga pozitív korreláció nem volt statisztikailag szignifikáns. A legerősebb negatív korrelációjú területek (r ≤ −0.30) az orbitális frontális kéregben (piros nyíl x = −9, y = 57, z = 29, r = −.31), a hippocampus (arany nyilak: balra az x = - 31, y = −2, z = 25, r = −.32; jobbra x = 32, x = 9, z = 18, r = −.31) és szubkortikális területek (fehér csillagok: balra x = −28, y = −14, z = 1, r = −.30; jobbra x = 29, y = −15, z = 1, r = −.34), beleértve a putamen, globus pallidus és thalamus. Ezek az eredmények arra utalnak, hogy a magasabb testzsírtartalmú embereknél atrófia van. 1b a megfelelő jelentőségű (p-érték) térkép. A sötétebb színek alacsonyabb területeket jeleznek p-értékeket.
FPI
A magasabb FPI-t alacsonyabb regionális agyi volumenekkel társították (p = 0.01, permutációs teszt) mind GM, mind WM esetén. A magasabb FPI összefüggésbe hozható az agyi atrófiával a frontális lebenyben, a hippocampusban és a corpus callosum spleniumjában. Ezeket az eredményeket a 2a és 2b. 2a a korrelációs együttható térképét mutatja, amelyben a magasabb FPI korrelál alacsonyabb térfogatokkal a corpus callosum spleniumjában (piros nyíl: x = −3, y = 12, z = −12, r = −.27), orbitális frontális kéreg (narancssárga nyíl: x = −3, y = −39, z = 31, r = −.33) és hippocampus (arany nyilak: balra x = −24, y = −1, z = 24, r = −.31; jobbra x = 31, x = 3, z = 21, r = −.33). 2b a megfelelő p-érték térképet mutatja. Ezek az eredmények arra utalnak, hogy a magas inzulinszint, amely a DM2 patológiájának korai komponense, összefüggésben lehet agyi atrófiával a kognitív funkcióval rendelkező agyi régiókban, mint például a corpus callosum spleniumja (a vizuális és egyéb kognitív információk közötti félhomályos transzfer), az orbitális frontális kéreg (végrehajtó funkció) és hippocampus (tanulás és memória).
II. Típusú cukorbetegség
A DM2-et az agy atrófiával is társították (p <0.001, permutációs teszt) a kétváltozós elemzésben. A DM2-vel diagnosztizált résztvevők alacsonyabb térfogattal rendelkeztek több agyi régióban, ideértve a frontális lebenyeket, a prefrontális kéreg, a corpus callosum genu és spleniumát, a középső cingulate gyrus-t, a felső parietális lebenyt, az occipitalis lebenyt és a kisagyat. A bazális ganglionok, köztük a farok, a putamen és a globus pallidus is atrofálódtak azoknál, akiknél diagnosztizálták a DM2-t. Egyik DM2-alanyunk sem szenvedett kórtörténetet klinikai stroke-ban vagy MRI-vel azonosított infarktusban. A DM2-vel kapcsolatos atrófiás területek itt jelennek meg 3a (korrelációs együttható térkép) és and3b3b (p-érték térkép). Ez az ábra azt mutatja, hogy a DM2 a corpus callosum spleniumban alacsonyabb térfogatú \ t3b, jelentőségi térkép, fekete nyíl, amely megfelel r-érték = −.21 x = −4, y = 14, z = −17), a corpus callosum genuuma (3b, zöld nyíl, megfelel r-érték = −.17 x = 4, y = −49, z = 1) és az elülső lebeny (3b, piros nyíl, megfelelő r-érték = −.24 x = −7, y = −77, z = 7).
Több regressziós elemzés
A többszörös regresszió A BMI volt az egyetlen olyan változó, amely szignifikánsan kapcsolódik a GM és WM agyi atrófiájához (várható volt) fedélzeti adatrögzítő <5%); nem volt független összefüggés az FPI, a DM2, az e, a nem vagy a faj között az agy atrófiájának mértékével, miután a BMI-t figyelembe vették. A BMI és az agy szerkezetének inverz összefüggését a ábra 4. A magasabb BMI-t az orbitális frontális kéreg alacsonyabb GM és WM köteteivel társították (a rész, kék doboz), az elülső cinguláló gyrus (a rész, kék doboz), a mediális temporális lebeny (b rész, fekete nyilak) és a subcortical WM (c rész , fekete csillagok). Az egyesület hatásméretei nagyok voltak (r ≥ 0.30). Ban ben Kiegészítő ábra 1, a BMI fő hatásainak béta képét mutatjuk be. Ez a kép a regressziós vonal meredekségét mutatja, amely az agyi térfogat százalékos arányát mutatja (cc-ben), amely a BMI-ben a többi változóhoz való igazítás után elvesztette a BMI minden egyes szórását. Az orbitális frontális kéreg / anterior cinguláció korlátozott régiójában például a lila színek azt mutatják, hogy az agyi térfogat több mint 4% -a elveszik a BMI minden egyes standard deviációs nyeresége esetén. Következésképpen a BMI felső 5% -ában lévő személy (azaz az átlagtól két standard eltérés) a legnagyobb 8% fókuszhiányt mutatná olyan területen, mint az orbitális frontális kéreg. A nyilak és csillagok azonosítják a korrelációs térkép és a béta kép közötti anatómiai területeket.
Miután a BMI-t elszámoltuk, nem találtunk független korú, DM2, nemi vagy faji szövetségeket a GM vagy WM köteten. Az interakciós elemzések azt is kimutatták, hogy a BMI-vel kapcsolatos atrófia nem változott ezeknek a változóknak a függvényében. Az FPI interakciós analízissel (n = 64) külön BMI kimutatta, hogy az agyi szerkezetre gyakorolt BMI hatások nem változtak az FPI függvényében. Ahhoz, hogy jobban megértsük a BMI-vel kapcsolatos atrófia eloszlását, összehasonlítottuk az 3 diszkrét diagnosztikai osztályozású személyek, a normál BMI, a túlsúlyos és az elhízott személyek GM és WM mennyiségeit.
A csoport ANCOVA elemzése
Elhízás a normál BMI-vel szemben
Az elhízott betegek (BMI: 30 +) és a normális BMI (BMI: 18.5 – 25) összehasonlításakor alacsonyabb GM és WM mennyiségeket találtunk (fedélzeti adatrögzítő <5%) az elhízott csoportban annak ellenére, hogy kontrollálták az életkorot, a nemet, a fajt és a DM2-t. Ez a sorvadás a ábra 5 mint egy r- a szabványos egyszemélyes MNI-sablonra vetített kép, melynek színei magasabb korrelációs hatásnak felelnek meg (r > 0.50). Az elhízott személyek alacsonyabb GM és WM térfogattal rendelkeztek a frontális lebenyekben, az elülső cinguláris gyrusban (a rész, kék nyíl), a hippocampusban (b rész, fekete nyíl) és a bazális ganglionokban (c rész, zöld doboz). Ezek a térképek azt sugallják, hogy az elhízás a kognitív funkció szempontjából fontos agyi régiók atrófiájához kapcsolódik, mint például az elülső cingula, amely részt vesz a figyelemben és a végrehajtó funkcióban.
Túlsúly a normál BMI-hez képest
ábra 6 azt mutatja, hogy a túlsúlyos (BMI: 25–30) alanyok agyi térfogata alacsonyabb, mint a normál BMI-vel rendelkezőknél a bazális ganglionokban (a rész - fekete nyíl; b rész - piros nyíl; c rész - kék nyíl), corona radiata (b rész, fekete doboz) és parietális lebeny (c rész, lila nyíl). Ezek az asszociációk általában kisebb mértékűek voltak (|r| = 0.30 - 0.40) az elhízott normál BMI eredményekhez képest. Az elhízott személyektől eltérően a túlsúlyos csoport nem mutatott atrófiát olyan paralimbikus területeken, mint a gyrus és a hippocampus elülső cingulációja. Az elhízott és a túlsúlyos csoportok között nem volt statisztikailag szignifikáns különbség a GM és a WM között. Minden elemzést az életkor, a nem, a faj és a DM2 esetében ellenőriztek.
Megbeszélés
Itt számos kulcsfontosságú megállapítást közölünk az elhízáshoz kapcsolódó agyi strukturális hiányokkal, magasabb BMI-vel, FPI-vel és DM2-kal a kognitívan normális időseknél, akik egy közösségi kohorszából származnak. Először is, a magasabb testszövet-zsír erősen kötődött az agyi térfogathiányhoz kognitívan normális időseknél, még akkor is, ha kontrollálták a potenciális zavarokat, mint például az életkor, a nem és a faj. Másodszor, az FPI és a DM2 az a kétváltozós analízis, de ezek a korrelációk nem voltak statisztikailag szignifikánsak a BMI kontrollálásakor. Harmadszor, a testszövet-zsír és az agy szerkezete közötti negatív korreláció az elhízott személyeknél volt a legerősebb, de a túlsúlyos egyéneknél is megfigyelhető volt. Bár elismertük, hogy az elhízás hatásai másodlagosak lehetnek az általánosan rossz egészségi állapotban, ez kevésbé valószínű a mintánkban, mert (i) a nagyon rossz egészségi állapotúak kevésbé valószínűleg túlélnek a magasabb korúak (átlag: 77.3 évek) között a tanulmányunkban ; (ii) nem találtunk összefüggést a BMI és a halálozási arány között 10 csoportunkban a vizsgálatuk után (r(94) = 0.07, p = 0.47); és (iii) az 3 BMI csoportok nem különböztek meg az érrendszeri megbetegedések arányától, amelyek növelik a morbiditást és a mortalitást (I. táblázat). Ezért a normális kognitív személyekben is, akik túlélnek az idős korban, a magasabb testszövet-adipositás káros következményekkel járhat az agy szerkezetére.
Kognitív normális időseknél a BMI-vel kapcsolatos agyi atrófiát megállapítottuk fiatalabb mintákból származó vizsgálatokkal. A japán férfiak (átlagéletkor: 46.1) vizsgálata csökkent GM-mennyiségeket mutatott a BMI növekedésével összefüggésben a mediális temporális lebenyekben, a hippocampusban és a precuneusban [Taki és munkatársai, 2008]. Egy másik vizsgálat (átlagéletkor: 32) nagyobb GM térfogatcsökkenést mutatott az elhízott személyeknél a frontális operculumban, a post-centrális gyrusban és a putamenben [Pannacciulli és munkatársai, 2006]. Egy nemrégiben végzett MR-spektroszkópiai vizsgálat során a fiatalabb elhízott személyek csoportjában (átlagos életkor: 41.7) a frontális lebeny GM és WM metabolikus rendellenességei mutatkoztak.Gazdzinski és munkatársai, 2008].
A BMI és az agyi térfogat közötti korreláció nem valószínű, hogy közvetlen lenne a másik okot okozó értelemben; ezért érdemes azonosítani a tényezőket vagy mechanizmusokat hogy ugyanakkor az agyi térfogatcsökkenést és az elhízást ugyanabban a tárgyban okozhatja. A magasabb testszövet-adipositás és az agyi szerkezet közötti kapcsolat leggyakrabban javasolt mediátorai közé tartozik a hypercortisolemia [Lupien és munkatársai, 1998], csökkentett edzés [Colcombe és munkatársai, 2003], csökkent légzési funkció [Guo és munkatársai, 2006], gyulladás [van Dijk és munkatársai, 2005], kardiovaszkuláris / magas vérnyomás / hiperlipidémia [Breteler és munkatársai, 1994; Swan és munkatársai, 1998] és a II. típusú diabetes mellitus [den Heijer és munkatársai, 2003; Ferguson és munkatársai, 2003]. Az agyi strukturális hiányok megnyilvánulása ezekben a vizsgálatokban a hippokampusz atrófiája, a kortikális térfogatcsökkenés és a WM hyperintensitás volt. Nem találtunk kölcsönhatást a BMI és a DM2 között, így a BMI hatásai valószínűleg nem közvetülnek a mintában. Emellett a BMI eredményeink nem változtak meg a magas vérnyomás és a WM hyperintensitás kontrollálásakor, a standardizált CHS kritériumok alapján [Dai és munkatársai, 2008; Yue és munkatársai, 1997]. Ezek az eredmények túlélő hatásokat tükrözhetnek, mivel a magas BMI és a klinikailag súlyos cerebrovascularis betegségben szenvedő személyek kevésbé valószínű, hogy a populáció korosztálya (70 – 89 év) életkora szerint élnek. Ezenkívül nem zárhatjuk ki annak lehetőségét, hogy az idős korcsoportban az agyi atrófiával való BMI-kapcsolatok közvetlenebb közvetítésre kerülnek a fent felsorolt egyéb mechanizmusok bármelyikének vagy bármely kombinációjának.
Miután megállapítottuk, hogy az idős korban a BMI összefügg az agyi atrófiával, azt is elismertük, hogy az irodalomban van ellentmondás arról, hogy a nemi különbségek hogyan befolyásolják ezt az összefüggést. Az idősek (70 – 84 évek) egy csoportja a svéd nőknél jelentős időbeli lebeny-atrófiát mutatott a számítógépes tomográfiában [Gustafson és munkatársai, 2004] míg egy másik vizsgálatban a BMI-vel kapcsolatos cerebrális térfogatcsökkenést találtak japán férfiaknál, de nem a nőknél [Taki és munkatársai, 2008]. Annak megállapítása érdekében, hogy a BMI és az agyi szerkezet közötti összefüggéseket a nemek befolyásolják-e tanulmányunkban, a BMI-t a nemi kölcsönhatás alapján modelleztük többszörös regresszió nem mutatott ki nemi különbséget a BMI-vel kapcsolatos agyi atrófiában. Vizsgálatunk tehát arra utal, hogy a magasabb szöveti adipositás agyi struktúrára gyakorolt káros hatásai lehetnek nemi függetlenek; ez a megállapítás azonban további vizsgálatot érdemel a jövőbeni tanulmányokban.
Annak ellenére, hogy az FPI, DM2 és az agyi atrófia nem korrigált korrelációja nem volt statisztikailag szignifikáns a korrigált modellekben, érdemes megbeszélést folytatni a hyperinsulinemia és a DM2 az agyra gyakorolt hatásairól szóló növekvő szakirodalom miatt. A DM2 korai stádiumában az inzulinrezisztencia kompenzáló hyperinsulinemia-hoz kapcsolódik [Yaffe és munkatársai, 2004], és a magas inzulinszint a kognitív károsodáshoz kapcsolódik, még azoknál is, akik nem fognak fejlődni DM2 [van Oijen és munkatársai, 2008], ami arra utal, hogy a hyperinsulinemia megváltoztathatja az agy szerkezetét. Többszörös mechanizmusok is szerepet játszanak a hyperinsulinemia hatásában az agy működésére és szerkezetére, beleértve az agyi artériákra ható vazoaktív hatásokat, az agyból származó amyloid clearance-ének következtében fellépő neurotoxicitást és a fejlett glikációs végtermék metabolizmus révén a neurofibrilláris kötegek kialakulását [Bian és munkatársai, 2004; Watson és munkatársai, 2003]. Az inzulinhatást itt a kognitív funkció szempontjából fontos területeken, például az orbitális frontális kéregben és a hippocampusban figyeltük meg. Ez összhangban van azzal a véleménnyel, hogy a hyperinsulinemia befolyásolja a kognícióban érintett agyi struktúrákat; ez szintén finom kognitív csökkenéshez vezethet, mielőtt a demencia egyértelmű klinikai tünetei észlelhetők [Kalmijn és munkatársai, 1995].
A DM2-et kognitív relevanciájú alacsonyabb GM és WM térfogatokkal társították, mint például a frontális lebenyek és a nagy WM-traktumok (a corpus callosum spleniumja), ami arra utal, hogy a DM2 széles körben elterjedt az agyi atrófiával. A DM2 csökkentheti az agy térfogatát egy progresszív cerebrovascularis folyamat során, amely stroke-ot és infarktust eredményez [Ikram és munkatársai, 2008; Knopman és munkatársai, 2005]. A DM2 károsíthatja a kulcsfontosságú szerkezeti fehérjék fejlett glikációját, a reaktív oxigénfajok termelése és eliminálása közötti egyensúlyt, valamint a hexózamin és a poliol útvonalak zavaró hatását, ami a cerebrális kapillárisok alsó membránjait sűrűvé teszi [Arvanitakis és munkatársai, 2006]. Ilyen mikrovaszkuláris változások, amelyek gyakran előfordulnak más elhízás következményekkel, mint például a magas vérnyomás, krónikus szubklinikai iszkémiahoz, idegrendszeri energiafogyasztáshoz és atrófiához vezethetnek finoman érzékeny érrendszeri agyi területeken, például a bazális ganglionok lenticulostriate artériái [Breteler és munkatársai, 1994]. A TBM-analízisekben a bazális ganglialis megállapítások szintén érzékelhetők az érzékenység összehasonlító hiánya miatt A TBM-nek a korpuszban a térfogatváltozásnak kell lennie a deformációs mezők sima sága és az ebből eredő részleges térfogati hatások miatt [Hua és mtsai, 2009; Leow és munkatársai, 2009]. a kétváltozós A DM2 eredmények összhangban vannak az előzetes megállapításokkal, hogy a GM és WM hatással van a DM2 [Korf és munkatársai, 2007; Tiehuis és munkatársai, 2008] és FDG-PET vizsgálatokkal, amelyek hipometabolizmust mutattak frontális, időbeli és parietális asszociációs régiókban, és a hátsó cingulációt gátolják kognitívan normális alanyokban enyhe hiperglikémiával [Kawasaki és munkatársai, 2008].
A DM2 egyesület nem élte túl a beállított értéket többszörös regresszió modellek, amelyek a DM2 alanyok kis számának köszönhetők (n = 11), amely maga is túlélő hatás következménye lehet. Ez azt jelenti, hogy a DM2-et sokan nem rendelkeznek elég sokáig ahhoz, hogy a CHS részeként szkenneljenek. Ez előítélet talán a hatalom hiányához vezetett többszörös regresszió modellek és statisztikailag szignifikáns kölcsönhatás hiánya a BMI és a DM2 között. Ez a probléma a jövőbeni tanulmányok során leküzdhető a kognitívan normális idős DM2 személyek nagyobb számának elemzésével. Az ilyen munka felismerheti a DM2 lehetséges közvetítői szerepét az elhízás és az agyi atrófia tekintetében. Bár csábító, hogy spekulálják, hogy az elhízott és a túlsúlyos személyek korai szubklinikai DM2-patológiát hordoznak (az elhízott és túlsúlyos személyek magasabb FPI-t tükrözik), és hogy ez a hajtás a BMI és az agyi atrófia közötti kapcsolat, a jövőbeni munka igazolja ezt, mivel nem találtunk statisztikailag szignifikáns kölcsönhatásokat a BMI és a DM2 vagy FPI között.
A korábbi tanulmányok összefüggésében tett megállapításaink arra utalnak, hogy az idősebb személyek, akiknél nagyobb a zsírszegénység, fokozott agyi atrófia és következésképpen a demencia kockázata. Még az idős embereink is, akik nagyon egészségesek voltak és kognitívan stabilnak bizonyultak legalább 5 évig az alapvizsgálat után, az elhízással összefüggő agyi atrófiát szenvedett. Eredményeink arra utalnak, hogy az egyének nagyobb mértékű agyi atrófiát okozhatnak az elhízás vagy az elhízást előmozdító tényezők miatt, és hogy ez a atrófia viszont a jövőbeni kognitív károsodáshoz és demenciához vezethet. Ennek a ciklusnak a következményei a következők: (i) az idősek morbiditása / mortalitása; ii. az elhízással kapcsolatos demenciából eredő magasabb egészségügyi költségek; és (iii) a gondozókra és az egészségügyi szolgáltatókra vonatkozó érzelmi és egyéb nem pénzügyi terhek. Az agy atrófiájával és a demenciával kapcsolatos kockázatokkal összefüggő elhízás-kapcsolatok tehát potenciális közegészségügyi kihívást jelentenek.
Ez a tanulmány neurométerezési módszereket használt a magasabb BMI, inzulin és DM2 hatásainak felfedezésére egy idős közösségben, akik kognitívan normálisak maradtak a vizsgálat után öt évig. Az ilyen eredmények ennélfogva nagyobb valószínűséggel tükrözik az agyi változásokat az általános idős populációban, mivel elkerülik a szakosodott klinikákról az alanyokat vetítő tanulmányok előirányzatait. A tenzor alapú morfometria (TBM) nagy felbontású térképezést kínál az anatómiai különbségekhez, kiváló érzékenységet biztosítva az agy szisztematikus szerkezeti különbségeihez, és nem rendelkezik az agy csak egy részét vizsgáló ROI tracings kiválasztási torzításával. TBM-et alkalmaztunk, mivel az egész agyban a volumetrikus csoportok közötti különbségeket elemezte. Más típusú voxel alapú vizsgálatokban, mint például a voxel alapú morfometria [Ashburner és Friston, 2000] néha felmerül a kérdés, hogy a megállapítások a hiányos nyilvántartásba vételnek tulajdoníthatók-e. Ez a kérdés azért merül fel, mert a VBM-ben a besorolt szürke anyag sima térképei automatikusan illeszkednek az egyes tárgyakhoz, és kiegyensúlyozódnak, majd statisztikai következtetéseket vonunk le a csoportkülönbségek tekintetében, a csoport átlagolt képek voxel-by-voxel kivonásával. Ily módon lehetséges, hogy az egyik helyen észlelt különbség a hiányos regisztráció miatt következik be [Thacker és munkatársai, 2004].
A TBM-ben azonban az elemzett jelek csak a képek regisztrálásán alapulnak, nem pedig az összehangolt szürkeanyag-besorolásoknak, ezért nem szükséges, hogy a szürkeanyagot tökéletesen regisztrálják az egyes alanyokban, mivel a szürke anyag sűrűségét nem minden sztereotaktikusan elemezzük elhelyezkedés. Mint ilyen, a nyilvántartási hibák rendszeres csoportbeli különbségei miatt hamis pozitív eredmények kevésbé valószínűek. Ennek ellenére lehetnek hamis negatív eredmények, mivel a morfometriai különbségek kimutatásának képessége attól függ, hogy az anatómiai adatok milyen mértékben illeszthetők az elhajlási algoritmushoz. A finomabb méretű morfometriai különbségek (pl. A hippocampusban vagy a kortikális vastagságban) jobban kimutathatók más módszerekkel, amelyek kifejezetten modellezik ezeket a szerkezeteket. Azonban a TBM-et a kortikális mintázatokhoz képest előnyben részesítettük, mivel a TBM gyorsabban képes feldolgozni nagyobb számú egyedet, és kevesebb számítási memóriát igényel [Xue et al., 2008]. A TBM ezért kevésbé érzékeny a VBM-re vonatkozó regisztrációs torzításra, és sokkal hatékonyabb a nagyobb számú téma elemzésére, mint a kérgi felszíni modellezés és a kérgi mintázat-egyezés.
Eredményeinket korlátozza a keresztmetszeti tervezés, bár hosszanti követést alkalmaztak az alanyok kiválasztásának tájékoztatására, hogy minimalizálják az Alzheimer-kórból vagy más demenciákból származó korai neurodegenerációt tapasztalók zavarait. A mi többszörös regresszió az életkor, a nem, és a faj és a DM2 potenciálisan zavaró hatásai. Az APOE4 genotípust nem vettük figyelembe ebben a modellben, mivel a változó nem mutatott statisztikailag szignifikáns kapcsolatot a kétváltozós elemzésben (p = 0.39, permutációs teszt).
Az egyre elhízottabb és idősebbé váló személyek egyre fontosabbak az agy szerkezeti rendellenességeinek részletes megértése. Az ilyen vizsgálatok azt sugallják, hogy ezeknek az egyéneknek fokozott a demencia kockázata. Még azok az idősek is, akik kognitívan normálisak maradtak az MRI után, BMI-vel kapcsolatos atrófiát mutattak ki a neurodegeneráció által célzott agyterületeken: hippocampus, frontális lebeny és thalamus. Ezek az egyének előnyösek lehetnek a szöveti zsír csökkentésére és az öregedés során az agy egészségének javítására.
Köszönetnyilvánítás
A tanulmány algoritmusának fejlesztését a NIA, a NIBIB és az NCRR (AG016570, EB01651, RR019771 és PT) finanszírozta. Ezt a tanulmányt az Országos Idősödési Intézet (OLL) (AG 20098, AG05133) és az LHK (AG15928) és az amerikai szívszövetség előzetes doktori támogatása is támogatta a CAR-nek (0815465D). A résztvevő CHS nyomozók és intézmények teljes listája elérhető a következő címen: www.chs-nhlbi.org. A CAR szeretné elismerni Dr. William E. Klunkot a mentorálásért és támogatásért.
Referenciák
- WHO Az elhízás és a túlsúly. Az Egészségügyi Világszervezet; 2009. http://www.who.int/dietphysicalactivity/publications/facts/obesity/en/. Hozzáférés április 19, 2009.
- Apostolova LG, Dutton RA, Dinov ID, Hayashi KM, Toga AW, Cummings JL, Thompson PM. Az enyhe kognitív károsodás átalakulása az Alzheimer-kórra, amelyet a hippokampusz atrófia térképek jeleznek. Arch Neurol. 2006;63(5): 693-9. [PubMed]
- Arvanitakis Z, Schneider JA, Wilson RS, Li Y, Arnold SE, Wang Z, Bennett DA. A cukorbetegség az agyi infarktushoz kapcsolódik, de az idős embereknél nem az AD patológiához. Neurology. 2006;67(11): 1960-5. [PubMed]
- Ashburner J, Friston KJ. Voxel alapú morfometria - a módszerek. Neuroimage. 2000;11: 805-21. [PubMed]
- Bian L, Yang JD, Guo TW, Sun Y, Duan SW, Chen WY, Pan YX, Yeng GY, He L. Inzulin-lebontó enzim és Alzheimer-kór. Neurology. 2004;63: 241-245. [PubMed]
- Braak H, Braak E. Az Alzheimer-kórban bekövetkező változások neuropatológiai lépése. Acta Neuropathol. 1991;82: 239-259. [PubMed]
- Brach JS, Talkowski JB, Strotmeyer ES, Newman AB. A cukorbetegség és a várakozási zavar: lehetséges magyarázó tényezők. Phys Ther. 2008
- Braskie MN, Klunder AD, Hayashi KM, Protas H, Kepe V, Miller KJ, Huang SC, Barrio JR, Ercoli LM, Siddarth P és mtsai. Plakk- és kusza képalkotás és megismerés normális öregedés és Alzheimer-kór esetén. Neurobiol Aging. 2008
- Breteler MM, van Swieten JC, Bots ML, Grobbee DE, Claus JJ, van den Hout JH, van Harskamp F, Tanghe HL, de Jong PT, van Gijn J és munkatársai. Az agyi fehéranyag-elváltozások, az érrendszeri kockázati tényezők és a kognitív funkció egy populáció-alapú vizsgálatban: a Rotterdam-tanulmány. Neurology. 1994;44(7): 1246-52. [PubMed]
- Callen DJA, Fekete SE, Gao F, Caldwell CB, Szalai JP. A hippocampuson túl. Az MRI volumetry megerősíti a széleskörű limbikus atrófiát az AD-ben. Neurology. 2001;57: 1669-1674. [PubMed]
- Ceska R. A metabolikus szindróma klinikai következményei. Diab Vasc Dis Res. 2007;4(Suppl 3): S2 – 4. [PubMed]
- Claus JJ, Breteler MM, hasan D, Krenning EP, Bots ML, Grobbee DE, van Swieten JC, van Harskamp F, Hofman A. Vaszkuláris kockázati tényezők, ateroszklerózis, agyi fehéranyag-elváltozások és agyi perfúzió egy populáció alapú vizsgálatban. Eur. J. Nucl. Med. 1996;23(6): 675-682. [PubMed]
- Colcombe SJ, Erickson KI, Raz N, Webb AG, Cohen NJ, McAuley E, Kramer AF. Az aerob fitness csökkenti az agyszövetveszteséget az öregedő emberekben. J. Gerontol A Biol. Sci. Med. Sci. 2003;58(2): 176-80. [PubMed]
- Dai W, Lopez OL, Carmichael OT, Becker JT, Kuller LH, Gach HM. Rendellenes regionális agyi véráramlás kognitívan normális idős betegekben, magas vérnyomással. Szélütés. 2008;39(2): 349-354. [PMC ingyenes cikk] [PubMed]
- DeKosky ST, Mathis CA, Ár JC, Lopresti BJ, Meltzer CC, Zioko SK, Hoge JA, Tsopelas N, Klunk WE. Emberi amiloid képalkotó vizsgálatok Pittsburgh-vegyülettel-B enyhe kognitív károsodásban (MCI): Az MCI az amiloid plakk lerakódás kritikus periódusa? Neurology. 2006
- den Heijer T, Vermeer SE, van Dijk EJ, Prins ND, Koudstaal PJ, Hofman A, Breteler MM. 2 típusú cukorbetegség és mediális temporális lebeny struktúrák atrófiája az agyi MRI-n. Diabetologia. 2003;46(12): 1604-10. [PubMed]
- Edgington ES. Véletlenszerűségi tesztek. 3rd Edition Marcel Dekker; New York: 1995.
- Elias MF, Elias PK, Sullivan LM, Wolf PA, D'Agostino RB. Elhízás, cukorbetegség és kognitív deficit: The Framingham Heart Study. Neurobiol Aging. 2005;26(Suppl 1): 11-6. [PubMed]
- Ferguson SC, Blane A, Perros P, McCrimmon RJ, Best JJ, Wardlaw J, Deary IJ, Frier BM. Kognitív képesség és agyi struktúra 1 típusú cukorbetegségben: a mikroangiopátia és a súlyos hypoglykaemia előtti összefüggés. Cukorbetegség. 2003;52(1): 149-56. [PubMed]
- Fried LP, Borhani NO, Enright P, Furberg CD, Gardin JM, Kronmal RA, Kuller LH, Manolio TA, Mittelmark MB, Newman A és mtsai. A szív-érrendszeri egészségtanulmány: tervezés és indoklás. Ann Epidemiol. 1991;1(3): 263-276. [PubMed]
- Gazdzinski S, Kornak J, Weiner MW, Meyerhoff DJ. Felnőttekben az agy integritásának testtömeg-indexe és mágneses rezonancia markerei. Ann Neurol. 2008;63(5): 652-7. [PMC ingyenes cikk] [PubMed]
- Genovese CR, Lazar NA, Nichols TE. A statisztikai térképek küszöbértéke a hamis felfedezési arány használatával a funkcionális neuroimagingban. Neuroimage. 2002;15(4): 870-878. [PubMed]
- Guo X, Pantoni L, Simoni M, Gustafson D, Bengtsson C, Palmertz B, Skoog I. A baleseti sérülésekkel és a késői életben lacunáris infarktusokkal kapcsolatos légzésfunkció: a nők leendő népességi tanulmánya Göteborgban, Svédországban. Szélütés. 2006;37(7): 1658-62. [PubMed]
- Gustafson D, Lissner L, Bengtsson C, Bjorkelund C, Skoog I. A testtömegindex és az agyi atrófia 24-évének nyomon követése. Neurology. 2004;63(10): 1876-81. [PubMed]
- Holmes CJ, Hoge R, Collins L, Woods R, Toga AW, Evans AC. Az MR képek javítása a jel átlagolásának regisztrálásával. J Comput Assist Tomogr. 1998;22(2): 324-33. [PubMed]
- Hua X, Leow AD, Parikshak N, Lee S, Chiang MC, Toga AW, Jack CR, Jr., Weiner MW, Thompson PM. Tenzor alapú morfometria, mint Alzheimer-kór neurovizáló biomarkere: MRI-vizsgálat 676 AD, MCI és normál alanyon. Neuroimage. 2008
- Ikram MA, Vrooman HA, Vernooij MW, van der Lijn F, Hofman A, van der Lugt A, Niessen WJ, Breteler MM. Agyi szövetek mennyisége az általános idős populációban. A Rotterdam Scan tanulmánya. Neurobiol Aging. 2008;29(6): 882-90. [PubMed]
- Irie F, Fitzpatrick AL, Lopez OL, Kuller LH, Peila R, Newman AB, Launer LJ. Az Alzheimer-betegség fokozott kockázata az 2 típusú diabéteszben szenvedő és APOE epsilon4 típusú betegeknél: a szív-érrendszeri egészségtanulási vizsgálat. Arch Neurol. 2008;65(1): 89-93. [PubMed]
- Kalmijn S, Fesken EM, Launer LJ, Stignen T, Kromhout D. Glükóz intolerancia, hyperinsulinemia és kognitív funkció az eldelry férfiak általános populációjában. Diabetologica. 1995;38: 1096-1102.
- Kawasaki K, Ishii K, Saito Y, Oda K, Kimura Y, Ishiwata K. Az enyhe hiperglikémia hatása az agyi FDG eloszlási mintákra, amelyet statisztikai parametrikus leképezéssel számítottunk ki. Ann Nucl Med. 2008;22(3): 191-200. [PubMed]
- Knopman DS, Mosley TH, Catellier DJ, Sharrett AR. Kardiovaszkuláris kockázati tényezők és agyi atrófia középkorú kohorszban. Neurology. 2005;65: 876-881. [PubMed]
- Kochunov P, Lancaster J, Thompson P, Toga AW, Brewer P, Hardies J, Fox P. Egy optimalizált egyéni cél agy a Talairach koordinátarendszerben. Neuroimage. 2002;17(2): 922-7. [PubMed]
- Korf ES, van Straaten EC, de Leeuw FE, van der Flier WM, Barkhof F, Pantoni L, Basile AM, Inzitari D, Erkinjuntti T, Wahlund LO és munkatársai. Cukorbetegség, magas vérnyomás és mediális temporális lebeny atrófia: a LADIS vizsgálat. Diabet Med. 2007;24(2): 166-71. [PubMed]
- Leibson CL, Rocca WA, Hanson VA. A diabetes mellitusban szenvedő demencia kockázata: népesség alapú kohorsz vizsgálat. J J Epidemiol. 1997;145: 301-308. [PubMed]
- Leow AD, Yanovsky I, Parikshak N, Hua X, Lee S, Toga AW, Jack CR, Jr., Bernstein MA, Britson PJ, Gunter JL és mtsai. Alzheimer-kór idegképalkotási kezdeményezés: egyéves nyomonkövetési vizsgálat, amely tenzor-alapú morfometriát használ, korrelálva a degeneratív arányokkal, a biomarkerekkel és a kognícióval. Neuroimage. 2009;45(3): 645-55. [PMC ingyenes cikk] [PubMed]
- Lepore N, Brun CA, Pennec X, Chou YY, Lopez OL, HJ A, Becker JT, Toga AW, Thompson PM. A tenzor alapú morfometria mérete a deformációs tenzorok segítségével. In: Ayavhe N, Ourselin S, Maeder A, szerkesztők. MICCAI2007, II. Rész, LNCS 4792. Springer-Verlag; Berlin Heidelberg: 2007. 826 – 833.
- Lopez OL, Jagust WJ, Dulberg C, Becker JT, DeKosky ST, Fitzpatrick A, Breitner J, Lyketsos CG, Jones B, Kawas C és munkatársai. Az enyhe kognitív imapiráció kockázati tényezői a kardiovaszkuláris egészségtanulási tanulmányban: 2. Arch Neurol. 2003a;60: 1394-1399. [PubMed]
- Lopez OL, Kuller LH, Becker JT, Jagust JW, Fitzpatrick A, Carlson M, Breimer J, Lyketsos C. A vaszkuláris demencia besorolása a szív- és érrendszeri egészségtanulás kognitív vizsgálatában. Az öregedés neurobiológiája. 2004;25(Suppl 1): S483.
- Lopez OL, Kuller LH, Fitzpatrick A, Ives D, Becker JT, Beauchamp N. A demencia értékelése a szív- és érrendszeri kognitív tanulmányban. Neuroepidemiology. 2003b;22(1): 1-12. [PubMed]
- Lupien SJ, de Leon M, de Santi S, Convit A, Tarshish C, Nair NP, Thakur M, McEwen BS, Hauger RL, Meaney MJ. A kortizol szintje az emberi öregedés során a hippokampusz atrófiáját és a memóriahiányt jelzi. Nature Neuroscience. 1998;1(1): 69-73. [lásd megjegyzés] [Erratum megjelenik a Nat Neurosci 1998 Aug-ban; 1 (4): 329]
- Mankovsky BN, Ziegler D. Stroke diabetes mellitusban szenvedő betegeknél. Diabetes Metab Res Rev. 2004;20: 268-287. [PubMed]
- Morra JH, Tu Z, Apostolova LG, Green AE, Avedissian C, Madsen SK, Parikshak N, Toga AW, Jack CR, Jr, Schuff N, Weiner MW, Thompson PM. A hippokampus atrófiájának automatizált feltérképezése 1 Alzheimer-kórban szenvedő, enyhe kognitív károsodásban és idős kontrollban szenvedő alanyok 490 éves ismételt MRI-adataiban. Neuroimage. 2009 Mar;45(1 Suppl): S3 – 15. [PMC ingyenes cikk] [PubMed]
- McNeill AM, Katz R, Girman CJ, Rosamond WD, Wagenknecht LE, Barzilay JI, Tracy RP, Savage PJ, Jackson SA. Metabolikus szindróma és szív- és érrendszeri betegségek időseknél: A szív-érrendszeri egészségügyi vizsgálat. J Am Geriatr Soc. 2006;54(9): 1317-24. [PubMed]
- Pannacciulli N, Del Parigi A, Chen K, Le DS, Reiman EM, Tataranni PA. Agyi rendellenességek az emberi elhízásban: egy voxel-alapú morfometriai vizsgálat. Neuroimage. 2006;31(4): 1419-25. [PubMed]
- Swan GE, DeCarli C, Miller BL, Reed T, Wolf PA, Jack LM, Carmelli D. A közepes vérnyomás társítása a késői élet kognitív hanyatlásához és az agy morfológiájához. Neurology. 1998;51(4): 986-93. [PubMed]
- Taki Y, Kinomura S, Sato K, Inoue K, Goto R, Okada K, Uchida S, Kawashima R, Fukuda H. Az 1,428 egészséges egyének testtömeg-indexe és a szürke anyag mennyisége közötti kapcsolat. Elhízás (ezüst tavasz) 2008;16(1): 119-24. [PubMed]
- Thompson PM, Giedd JN, Woods RP, MacDonald D, Evans AC, Toga AW. A fejlődő agyban a növekedési minták a kontinuum-mechanikus tenzor térképek segítségével detektáltak. Nature. 2000;404(6774): 190-193. [PubMed]
- Thacker NA, Williamson DC, Pokric M. Voxel a szöveti térfogat MRI-adatok alapján történő elemzésén alapul. Br J Radiol. 2004;77(Spec No 2): S114 – 25. [PubMed]
- Tiehuis AM, van der Graaf Y, Visseren FL, Vincken KL, Biessels GJ, Appelman AP, Kappelle LJ, Mali WP. A diabétesz tüneti artériás betegségben szenvedő betegeknél fokozza az agyi MRI atrófiáját és érrendszeri sérüléseit. Szélütés. 2008;39(5): 1600-3. [PubMed]
- van Dijk EJ, Prins ND, Vermeer SE, Vrooman HA, Hofman A, Koudstaal PJ, Breteler MM. C-reaktív fehérje és agyi kismedence betegség: a Rotterdam Scan Study. Keringés. 2005;112(6): 900-5. [PubMed]
- van Oijen M, Okereke OI, Kang JH, Pollak MN, Hu FB, Hankinson SE, Grodstein F. Az éhgyomri inzulin szint és a cukorbetegség nélküli idős nők kognitív csökkenése. Neuroepidemiology. 2008;30(3): 174-9. [PMC ingyenes cikk] [PubMed]
- Watson GS, Peskind ER, Asthana S, Purganan K, Wait C, Chapman D, Schwartz MW, Plymate S, Craft S. Az inzulin növeli a CSF A-Beta-42 szintjét normál idősebb felnőttekben. Neurology. 2003;60: 1899-1903. [PubMed]
- Wolf PA, Beiser A, Elias MF, Au R, Vasan RS, Seshadri S. Az elhízás összefüggése a kognitív funkcióval: a központi elhízás és az egyidejű hipertónia szinergikus hatása. A Framingham szív tanulmánya. Curr Alzheimer Res. 2007;4(2): 111-6. [PubMed]
- Yaffe K, Blackwell T, Kanaya AM, Davidowitz N, Barrtett-Connor E, Krueger K. Cukorbetegség, csökkent glükóz éhgyomorra, és kognitív károsodás kialakulása az idősebb nőknél. Neurology. 2004;63: 658-663. [PubMed]
- Yue NC, Arnold AM, Longstreth WT, Elster AD, Jungreis CA, O'Leary DH, Poirier VC, Bryan RN. A sulcal, a kamrai és a fehéranyag változásai az MR képalkotás során az öregedő agyban: A kardiovaszkuláris egészségügyi tanulmány adatai. Radiológia. 1997;202: 33-39. [PubMed]
;