Struktur otak dan obesiti (2010)

Peta Otak Hum . Mac 2010;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.

Source

Jabatan Patologi, Universiti Pittsburgh, Pennsylvania, Amerika Syarikat.

Abstrak

Obesiti dikaitkan dengan peningkatan risiko masalah kesihatan kardiovaskular termasuk diabetes, hipertensi dan strok. Gangguan kardiovaskular ini meningkatkan risiko penurunan kognitif dan demensia, tetapi tidak diketahui sama ada faktor-faktor ini, khususnya obesiti dan diabetes jenis II, dikaitkan dengan corak atrofi otak tertentu. Kami menggunakan morfometri berasaskan tensor (TBM) untuk memeriksa perbezaan isipadu jirim kelabu (GM) dan jirim putih (WM) dalam 94 subjek warga emas yang kekal normal secara kognitif selama sekurang-kurangnya 5 tahun selepas imbasan mereka. Analisis bivariat dengan pembetulan untuk pelbagai perbandingan sangat mengaitkan indeks jisim badan (BMI), tahap insulin plasma puasa (FPI) dan Diabetes Mellitus Jenis II (DM2) dengan atrofi di kawasan otak frontal, temporal dan subkortikal. Model regresi berganda , yang juga membetulkan pelbagai perbandingan, mendedahkan bahawa BMI masih berkorelasi negatif dengan atrofi otak (FDR < 5%), manakala DM2 dan FPI tidak lagi dikaitkan dengan sebarang perbezaan isipadu. Dalam model Analisis Kovarians (ANCOVA) yang mengawal umur, jantina dan bangsa, subjek obes dengan BMI yang tinggi (BMI > 30) menunjukkan atrofi pada lobus frontal, girus cingulate anterior, hippocampus dan talamus berbanding individu dengan BMI normal (18.5–25). Subjek berlebihan berat badan (BMI: 25–30) mengalami atrofi pada ganglia basal dan korona radiata WM. Isipadu otak keseluruhan tidak berbeza antara individu yang berlebihan berat badan dan obes. Indeks jisim badan yang lebih tinggi dikaitkan dengan isipadu otak yang lebih rendah dalam subjek warga emas yang berlebihan berat badan dan obes. Oleh itu, obesiti dikaitkan dengan defisit isipadu otak yang boleh dikesan dalam subjek warga emas yang normal dari segi kognitif.

Kata kunci: atrofi otak, obesiti, morfometri berasaskan tensor

Pengenalan

Obesiti dan diabetes mellitus jenis II, atau tidak bergantung kepada insulin (DM2) adalah dua keadaan yang saling berkaitan yang telah mencapai kadar epidemik. Pada masa ini terdapat lebih satu bilion orang yang berlebihan berat badan dan 300 juta orang obes di seluruh dunia [ Pertubuhan Kesihatan Sedunia, 2009 ]. Populasi warga emas tidak terkecuali – 40% lelaki dan 45% wanita berumur lebih 70 tahun dibebani sama ada obesiti atau DM2 [ Ceska, 2007 ], meningkatkan risiko mereka untuk penyakit kardiovaskular dan strok [ Mankovsky dan Ziegler, 2004 ]. Obesiti juga merupakan faktor risiko penurunan kognitif dan demensia, termasuk penyakit Alzheimer (AD) [ Elias et al., 2005 ; Wolf et al., 2007 ]. Risiko tambahan ini mungkin dimediasi oleh DM2, yang dikaitkan dengan kebarangkalian yang lebih tinggi untuk menghidap AD [ Irie et al., 2008 ; Leibson et al., 1997 ].

Kajian terdahulu yang menganalisis data daripada Kajian Kesihatan Kardiovaskular-Kajian Kognisi (CHS-CS) menunjukkan bahawa penyakit serebrovaskular, selain umur, bangsa dan tahap pendidikan, dikaitkan dengan kognisi dan perkembangan keadaan risiko pertengahan untuk AD, yang dikenali sebagai gangguan kognitif ringan (MCI) [ Lopez et al., 2003a ]. Faktor risiko kardiovaskular untuk MCI termasuk lesi jirim putih, infark, hipertensi, diabetes mellitus dan penyakit jantung [ Lopez et al., 2003a ]. Tambahan pula, pesakit AD mempunyai kadar atrofi otak yang luar biasa tinggi [ Apostolova et al., 2006 ; Callen et al., 2001 ; Leow et al., 2009 ]. Selain itu, atrofi otak mungkin dapat dikesan pada MRI walaupun sebelum gangguan kognitif terbukti secara klinikal, seperti yang ditunjukkan dalam kajian yang menunjukkan atrofi yang lebih besar dalam pembawa APOE4 tanpa gejala berbanding bukan pembawa [ Morra et al., 2009 ].

Obesiti dan DM2 boleh meningkatkan risiko demensia dengan memburukkan lagi atrofi serebrum walaupun pada individu yang utuh secara kognitif, sekali gus meningkatkan kerentanan mereka terhadap neuropatologi AD pada masa hadapan. Kajian terdahulu, kebanyakannya dalam subjek yang berumur kurang daripada 65 tahun, menunjukkan bahawa peningkatan kandungan lemak tisu badan (adipositas) berkorelasi dengan atrofi dalam korteks temporal, lobus frontal, putamen, kaudat, prekuneus, talamus dan jirim putih (WM) [ Gustafson et al., 2004 ; Pannacciulli et al., 2006 ; Taki et al., 2008 ]. Tidak diketahui, tetapi amat menarik, sama ada kandungan lemak tisu yang tinggi, seperti yang diukur oleh BMI, dikaitkan dengan perbezaan dalam struktur otak pada warga emas yang normal secara kognitif.

DM2 juga dikaitkan dengan atrofi otak pada warga emas termasuk di lobus temporal, hippocampus, dan dengan pengembangan ventrikel lateral yang lebih besar [ Korf et al., 2007 ]. Penjelasan paling biasa untuk kesan ini adalah lesi WM [ Claus et al., 1996 ] dan strok klinikal [ Mankovsky dan Ziegler, 2004 ]. Atrofi otak yang berkaitan dengan DM2 mungkin disebabkan oleh peningkatan tahap insulin yang dilihat dalam penyakit ini; insulin plasma puasa yang lebih tinggi telah dikaitkan dengan defisit kognitif pada subjek warga emas [ Yaffe et al., 2004 ], dan menggalakkan pemendapan amiloid, sekali gus meningkatkan risiko penyakit Alzheimer [ Watson et al., 2003 ]. Setakat ini, tiada kajian lain yang telah mengaitkan insulin plasma puasa dan struktur otak, walaupun DM2 telah diperiksa. Satu potensi kekeliruan yang serius dalam kajian sedemikian adalah kemungkinan perubahan neurodegeneratif pra-simptomatik dalam kohort warga emas yang dikaji. Memandangkan atrofi otak dan patologi AD boleh wujud bertahun-tahun sebelum bermulanya gejala klinikal [ Braskie et al., 2008 ; DeKosky et al., 2006 ], penyiasatan BMI, DM2 dan atrofi otak perlu dilakukan pada individu yang mana AD yang baru muncul boleh disingkirkan seboleh-bolehnya.

Obesiti dan DM2 dapat menguatkan risiko untuk AD dengan mempromosikan atrofi otak dan dengan demikian mungkin mewakili faktor risiko yang kritikal untuk penurunan kognitif dan demensia. Kerana syarat-syarat ini untuk beberapa tahap dapat dicegah dan dirawat, adalah penting untuk mengenal pasti struktur otak yang terjejas secara khusus di kalangan orang tua yang tidak bergetar, untuk memahami sistem yang terjejas, dan akhirnya untuk mengukur kejayaan intervensi untuk melindungi kawasan-kawasan ini.

Kami menggunakan morfometri berasaskan tensor (TBM), satu kaedah yang agak baharu [ Hua et al., 2008 ; Thompson et al., 2000 ], untuk menghasilkan peta 3D atrofi otak dalam sekumpulan subjek warga emas yang tidak demensia yang direkrut daripada Kajian Kesihatan Kardiovaskular-Kajian Kognisi (CHS-CS), kohort individu berasaskan komuniti yang mempunyai data klinikal, kognitif dan pengimejan yang luas [ Lopez et al., 2004 ]. Berdasarkan data kognitif membujur, kami memilih 94 subjek yang kekal normal secara kognitif selama sekurang-kurangnya 5 tahun selepas imbasan MRI asas mereka, sekali gus meminimumkan kesan pengganggu neurodegenerasi pra-klinikal awal. Kami meregresi BMI (n=94), FPI (n=64), dan diagnosis DM2 (n=94) terhadap ukuran perbezaan isipadu GM dan WM yang diperoleh daripada imej merentasi subjek, untuk menentukan sama ada pembolehubah ini dikaitkan dengan atrofi otak. Kami menggunakan model korelasi bivariat untuk analisis penerokaan awal, dan kemudian model regresi berganda digunakan untuk mengambil kira potensi pengganggu seperti jantina dan bangsa. Kami juga membandingkan struktur otak antara subjek berat badan normal (BMI: 18.5–25), berat badan berlebihan (BMI: 25–30), dan obes (BMI: 30+) untuk menilai sama ada had klinikal untuk menentukan adipositi yang lebih tinggi ini sendiri dikaitkan dengan atrofi otak.

Bahan dan Kaedah

Mata pelajaran

Kajian Kognisi Kajian Kesihatan Kardiovaskular (CHS-CS) merupakan kesinambungan Kajian Demensia CHS, yang bermula pada tahun 2002–2003 untuk menentukan kejadian demensia dan gangguan kognitif ringan (MCI) dalam populasi subjek normal dan MCI yang dikenal pasti pada tahun 1998–99 di Pittsburgh [ Lopez et al., 2003b ]. Daripada 927 peserta yang diperiksa pada tahun 1998–99, 532 subjek normal dan MCI tersedia untuk kajian pada tahun 2002–03. Semua subjek menjalani pemeriksaan neurologi dan neuropsikologi lengkap pada tahun 1998–99 dan 2002–03, dan MRI otak pada tahun 1992–94, dan 295 telah diimbas dengan MRI otak volumetrik 3-D pada tahun 1998–99. Daripada sampel yang terakhir, kami memilih 94 subjek yang normal secara kognitif pada tahun 1997–1998 dan 2002–2003. BMI (n = 94) dan tahap insulin plasma puasa (n = 64) diperoleh menggunakan kaedah CHS standard [ Fried et al., 1991 ; McNeill et al., 2006 ]. Semua analisis statistik bukan pengimejan dianalisis menggunakan Pakej Statistik untuk Sains Sosial (SPSS, versi 16.0, SPSS Inc., Chicago, IL).

Jenis II Diabetes Mellitus (DM2)

Pengelasan DM2 ditentukan daripada data perubatan yang diperoleh setiap tahun dan diterangkan dengan lebih terperinci dalam karya yang diterbitkan sebelum ini [ Brach et al., 2008 ]. Secara ringkasnya, peserta CHS diklasifikasikan sebagai menghidap DM2 jika mereka memenuhi mana-mana satu kriteria berikut: (i) penggunaan sebarang ubat DM2; (ii) glukosa puasa (≥ 8 jam) ≥ 126 mg/dL; (iii) glukosa tidak puasa (< 8 jam) ≥ 200 mg/dL, atau (iv) ujian toleransi glukosa oral ≥ 200 mg/dL.

Pemerolehan MRI dan pembetulan imej

Semua data MRI diperolehi di Pusat Penyelidikan MR Pusat Perubatan Universiti Pittsburgh menggunakan pengimbas GE Ta 1.5 T (GE Medical Systems, Milwaukee, WI, Versi LX). Urutan pemerolehan penarikan balik kecerunan volumetrik 3D yang diperoleh (SPGR) diperoleh untuk seluruh otak (TE / TR = 5/25 msec, sudut balik = 40 °, NEX = 1, ketebalan irisan = jurang interslice 1.5 mm / 0 mm) ditetapkan selari ke garis AC-PC dengan matriks pemerolehan dalam pesawat dengan elemen gambar 256 × 256, bidang pandang 250 × 250 mm dan ukuran voxel dalam pesawat 0.98 × 0.98 mm.

Pemprosesan imej

Imbasan individu telah didaftarkan secara linear kepada templat imej otak piawai Konsortium Antarabangsa untuk Pemetaan Otak (ICBM-53) menggunakan pendaftaran 9 parameter untuk mengambil kira kedudukan global dan perbezaan skala merentasi individu, termasuk saiz kepala. Imej yang diselaraskan secara global telah disampel semula dalam ruang isotropik 220 voksel di sepanjang setiap paksi (x, y, dan z) dengan saiz voksel akhir 1 mm3.

Morfometri berasaskan Tensor (TBM) dan peta tiga dimensi Jacobian

Morfometri Berasaskan Tensor (TBM) mengesan perbezaan volumetrik tempatan dengan purata kadar perubahan volumetrik (iaitu, peta Jacobian), selepas menjajarkan peta perubahan individu secara tak linear kepada templat ubah bentuk minimum (MDT). MDT untuk kajian khusus ini telah dicipta daripada imbasan MRI 40 subjek CHS normal untuk membolehkan pendaftaran imej automatik, mengurangkan bias statistik dan berpotensi meningkatkan pengesanan kesan yang signifikan secara statistik [ Hua et al., 2008 ; Kochunov et al., 2002 ; Lepore et al., 2007 ]. Semua imbasan dijajarkan secara tak linear dengan templat khusus kajian supaya semuanya akan berkongsi sistem koordinat yang sama dan faktor pengembangan tempatan bagi transformasi lengkungan elastik 3D, penentu Jacobian, telah diplotkan untuk setiap subjek. Peta Jacobian 3D ini menunjukkan perbezaan isipadu relatif antara setiap individu dan templat yang sama dan boleh digunakan untuk menggambarkan kawasan pengurangan isipadu struktur seperti atrofi GM dan WM. Templat CHS-MDT telah dibahagikan secara manual menggunakan program perisian Brainsuite ( http://brainsuite.usc.edu/ ) oleh pakar anatomi terlatih untuk menghasilkan topeng binari yang meliputi serebrum. Korelasi antara BMI dan peta Jacobian telah dinilai pada setiap voxel menggunakan model linear umum pada peringkat keseluruhan otak.

Gambaran Keseluruhan Analisis Statistik

Kami menjalankan ujian statistik bivariat sebagai analisis penerokaan untuk mengenal pasti sama ada obesiti dan salah satu komplikasinya yang terkenal, DM2, dikaitkan dengan atrofi GM dan WM. Kami juga melakukan ini dengan FPI kerana peningkatan tahap insulin merupakan komponen awal patologi DM2 [ Ceska, 2007 ]. Seterusnya, kami menggunakan analisis regresi berganda untuk mengenal pasti pembolehubah yang manakah menyumbang kepada varians paling banyak dalam sampel kami. Kemudian, kami menggunakan klasifikasi klinikal biasa iaitu BMI normal, berat badan berlebihan dan obesiti untuk menjalankan analisis ANCOVA. Tujuannya adalah untuk menyatakan penemuan BMI kami dalam istilah yang boleh difahami dalam konteks klinikal.

Analisis Statistik Bivariate

Dalam analisis penerokaan awal, kami menggunakan model bivariat untuk menghubungkan peta Jacobian, yang memberikan maklumat tentang atrofi tisu dan pengembangan CSF berbanding templat standard, dengan pembolehubah peramal yang mungkin BMI, FPI dan DM2. Kami menjalankan ujian berasingan bagi korelasi negatif, positif dan dua hujung. Kepentingan statistik bagi perkaitan ini dilaporkan menggunakan nilai -p omnibus . Memandangkan hipotesis kami tertumpu pada atrofi GM dan WM, kami hanya melaporkan nilai- p untuk perkaitan negatif (iaitu, berdasarkan ujian satu hujung). Ujian permutasi (dengan N = 10,000 rawak) [ Edgington, 1995 ] telah dilakukan untuk membetulkan berbilang perbandingan. Kami memperoleh nilai- p yang dibetulkan untuk corak kesan keseluruhan, dengan mengira kebarangkalian memerhatikan isipadu statistik supraambang di bawah hipotesis nol, iaitu, secara kebetulan, apabila kovariat dan kumpulan ditugaskan secara rawak (menetapkan ambang tahap voksel p = 0.01). Persatuan yang signifikan secara statistik telah diunjurkan sebagai peta nilai- p dan pekali korelasi nilai -r ke atas CHS-MDT menggunakan pemapar Shiva ( http://www.loni.ucla.edu/Software/Software_Detail.-jsp?software_id=12 ) dan dipaparkan dengan skala piawai.

Analisis regresi berganda

Selepas menggunakan pendekatan bivariat dalam analisis penerokaan kami, kami telah memasang model statistik regresi berganda untuk lebih memahami pembolehubah yang manakah (BMI, FPI, DM2) yang paling tepat menyumbang kepada varians dalam isipadu otak dalam kohort. Kami menganalisis peta Jacobian menggunakan perisian Pemetaan Parametrik Statistik (SPM2, http://www.fil.ion.ucl.ac.uk/spm/ ), dengan memasukkan BMI, DM2, umur, jantina dan bangsa dalam model linear umum yang sama. Pengaruh FPI telah diuji secara berasingan dalam model interaksi dengan BMI.

Untuk lebih memahami bagaimana perkaitan songsang antara BMI dan struktur otak diagihkan dalam kumpulan yang obes dan untuk meletakkan perkaitan tersebut dalam konteks klinikal, kami menjalankan satu siri analisis ANCOVA antara kumpulan dalam SPM2. Ini termasuk: (i) Kumpulan BMI obes berbanding normal; (ii) Kumpulan BMI berlebihan berat badan berbanding normal; (iii) Kumpulan obes berbanding berat badan berlebihan. Semua perbandingan antara kumpulan dikawal untuk umur, jantina, bangsa dan DM2. Pembetulan untuk berbilang perbandingan dicapai menggunakan kaedah Kadar Penemuan Palsu (FDR) [ Genovese et al., 2002 ] di mana penemuan hanya diisytiharkan sebagai signifikan jika kadar positif palsu yang dijangkakan dalam peta adalah kurang daripada 5%. Nilai- t aras voksel ditukar kepada korelasi biserial titik ( r ) sebagai ukuran saiz kesan, menggunakan skrip cg_spmT2x.m dalam SPM2. Ini dilakukan untuk semua analisis supaya saiz kesan semua keputusan boleh dibandingkan menggunakan ukuran yang sama. Nilai -r telah diunjurkan ke bahagian ortogon bagi templat MNI subjek tunggal standard [ Holmes et al., 1998 ] dalam MRIcron ( http://www.sph.sc.edu/comd/-rorden/MRIcron/ ) untuk tujuan paparan.

Hasil

Demografi subjek ditunjukkan dalam Jadual I , dibahagikan kepada 3 kategori BMI untuk normal, berat badan berlebihan dan obes (Julat BMI: 18.5–36.2) . Hanya tahap BMI dan FPI yang berbeza antara kumpulan – seperti yang dijangkakan, atau mengikut definisi, orang yang berlebihan berat badan dan obes mempunyai tahap BMI dan FPI yang lebih tinggi daripada kumpulan BMI normal ( p ≤ 0.001). Tiada korelasi antara tahap DM2 dan FPI ( r (64) = .01, p = .92). Selain itu, subjek DM2 tidak mempunyai tahap FPI yang lebih tinggi daripada subjek bukan FPI ( t (62) = −.09, p = .92).

Jadual I

Ciri Subjek. Kumpulan yang dikaji berbeza hanya dalam BMI dan FPI (p <0.01).

Analisis Statistik Bivariate:

Potensi Confounders

Dalam peta TBM kami yang menghubungkan pembolehubah pengganggu yang berpotensi dengan struktur otak, peningkatan usia menunjukkan hubungan tahap trend dengan isipadu otak yang lebih rendah dalam sampel ini tetapi ini tidak signifikan secara statistik ( p = 0.07, dibetulkan; ujian permutasi). Umur dan BMI tidak berkorelasi secara signifikan dalam sampel kami ( r (92) = − 0.04, p = 0.90) dan juga tidak berkorelasi umur dengan tahap insulin ( r (64) = 0.06, p = 0.66) atau dengan diagnosis DM2 ( r (92) = −0.05, p = 0.61). Selain itu, genotip APOE4, yang meningkatkan risiko AD sporadis, tidak berkaitan dengan perubahan yang dapat dikesan dalam struktur otak seperti yang dinilai dengan TBM dalam sampel ini ( p = 0.39, ujian permutasi). Pendidikan, yang ditakrifkan secara kategori sebagai perkembangan selepas sekolah menengah, juga tidak signifikan secara statistik dalam korelasinya dengan ukuran TBM bagi atrofi GM dan WM sama ada secara negatif ( p = .92, ujian permutasi) atau positif ( p = .12, ujian permutasi). Penentuan klinikal hipertensi (sistolik/diastolik > 140/90 mm hg atau penggunaan ubat antihipertensi) juga tidak mempunyai korelasi negatif yang signifikan secara statistik dengan struktur otak dalam sampel kami ( p = .33, ujian permutasi).

BMI

BMI yang lebih tinggi berkorelasi secara signifikan dengan isipadu GM dan WM yang lebih rendah di seluruh otak ( p < 0.001, ujian permutasi). Rajah 1a menunjukkan pekali korelasi untuk perkaitan songsang BMI dengan struktur otak yang diunjurkan pada templat ubah bentuk minimum khusus CHS (CHS-MDT). Warna biru mewakili kawasan korelasi negatif yang lebih tinggi; nilai biasanya berkisar antara −0.30 hingga 0.30. Kawasan korelasi positif dalam warna merah dan kuning tidak signifikan secara statistik. Kawasan korelasi negatif terkuat ( r ≤ −0.30) ditemui dalam korteks frontal orbital (anak panah merah pada x = −9, y = 57, z = 29, r = −.31), hippocampus (anak panah emas: kiri pada x = − 31, y = −2, z = 25, r = −.32; kanan pada x = 32, x = 9, z = 18, r = −.31) dan kawasan subkortikal (asterisk putih: kiri pada x = −28, y = −14, z = 1, r = −.30; kanan pada x = 29, y = −15, z = 1, r = −.34) termasuk putamen, globus pallidus dan talamus. Keputusan ini menunjukkan atrofi pada orang yang mempunyai lemak tisu badan yang lebih tinggi. Rajah 1b menunjukkan peta kepentingan ( nilai- p ) yang sepadan. Warna yang lebih gelap menunjukkan kawasan dengan nilai- p yang lebih rendah.

Rajah 1

bahagian a menunjukkan a r(Pekson correlation coefficient) peta yang menonjolkan korelasi negatif dan positif antara BMI dan struktur otak yang diunjurkan ke bahagian kardinal Kajian Kesihatan Kardiovaskular Kajian Kecemasan Minimal (CHS-MDT). ...

FPI

FPI yang lebih tinggi dikaitkan dengan isipadu otak serantau yang lebih rendah ( p = 0.01, ujian permutasi) dalam kedua-dua GM dan WM. FPI yang lebih tinggi dikaitkan dengan atrofi otak di lobus frontal, hippocampus, dan splenium corpus callosum. Keputusan ini ditunjukkan dalam Rajah 2a dan 2b . Rajah 2a menunjukkan peta pekali korelasi di mana FPI yang lebih tinggi berkorelasi dengan isipadu yang lebih rendah dalam splenium corpus callosum (anak panah merah: x = −3, y = 12, z = −12, r = −.27), korteks frontal orbital (anak panah oren: x = −3, y = −39, z = 31, r = −.33) dan hippocampus (anak panah emas: kiri pada x = −24, y = −1, z = 24, r = −.31; kanan pada x = 31, x = 3, z = 21, r = −.33). Rajah 2b menunjukkan peta nilai-p yang sepadan. Keputusan ini menunjukkan bahawa tahap insulin yang tinggi, komponen awal patologi DM2, mungkin dikaitkan dengan atrofi otak di kawasan otak dengan fungsi kognitif seperti splenium corpus callosum (pemindahan maklumat visual dan kognitif lain antara hemisfera), korteks frontal orbital (fungsi eksekutif), dan hippocampus (pembelajaran dan ingatan).

Rajah 2

bahagian a menunjukkan peta korelasi yang dijangkakan ke templat CHS-MDT yang menunjukkan di mana otak atrofi (pengurangan jumlah) berkaitan dengan paras insulin plasma puasa yang lebih tinggi. FPI yang lebih tinggi dikaitkan dengan jumlah yang lebih rendah dari splenium korpus callosum (merah ...

Jenis II Diabetes Mellitus

DM2 juga dikaitkan dengan atrofi otak ( p < 0.001, ujian permutasi) dalam analisis bivariat. Peserta yang didiagnosis dengan DM2 mempunyai isipadu yang lebih rendah di pelbagai kawasan otak termasuk lobus frontal, korteks prefrontal, genu dan splenium corpus callosum, girus cingulate tengah, lobul parietal superior, lobus oksipital, dan serebelum. Ganglia basal, termasuk kaudat, putamen, dan globus pallidus juga mengalami atrofi pada mereka yang didiagnosis dengan DM2. Tiada seorang pun daripada subjek DM2 kami mempunyai sejarah strok klinikal atau infark yang dikenal pasti oleh MRI. Kawasan atrofi yang berkaitan dengan DM2 dipaparkan dalam Rajah 3a (peta pekali korelasi) dan and3b 3b (peta nilai-p). Rajah ini menunjukkan bahawa DM2 dikaitkan dengan isipadu yang lebih rendah dalam splenium corpus callosum ( Rajah 3b , peta kepentingan, anak panah hitam, nilai- r yang sepadan = −.21 pada x = −4, y = 14, z = −17), genu corpus callosum (Rajah 3b , anak panah hijau, nilai- r yang sepadan = −.17 pada x = 4, y = −49, z = 1) dan lobus frontal ( Rajah 3b , anak panah merah, nilai- r yang sepadan = −.24 pada x = −7, y = −77, z = 7).

Rajah 3

. r- nilai imej dalam bahagian a menunjukkan korelasi negatif antara diagnosis kategori DM2 dan atrofi dalam GM dan WM. DM2 dikaitkan dengan jumlah yang lebih rendah dalam splenium corpus callosum Rajah 3b, peta kepentingan, panah hitam, sepadan ...

Analisis Regresi Pelbagai

Dalam model regresi berganda , BMI adalah satu-satunya pembolehubah yang dikaitkan secara signifikan dengan atrofi otak dalam GM dan WM (jangkaan FDR < 5%); tiada kaitan bebas antara FPI, DM2, e, jantina, atau bangsa dengan tahap atrofi otak sebaik sahaja BMI diambil kira. Kaitan songsang BMI dan struktur otak ditunjukkan dalam Rajah 4. BMI yang lebih tinggi dikaitkan dengan isipadu GM dan WM yang lebih rendah dalam korteks frontal orbital (bahagian a, kotak biru), girus cingulate anterior (bahagian a, kotak biru), lobus temporal medial (bahagian b, anak panah hitam), dan WM subkortikal (bahagian c, asterisk hitam). Saiz kesan untuk kaitan ini adalah besar ( r ≥ 0.30). Dalam Rajah Tambahan 1 , kami menunjukkan imej beta bagi kesan utama BMI. Imej ini mewakili cerun garis regresi, menunjukkan peratusan isipadu otak (dalam cc) yang hilang untuk setiap satu peningkatan sisihan piawai dalam BMI selepas melaraskan pembolehubah lain dalam model. Dalam kawasan korteks frontal orbital/cingulate anterior yang terhad, misalnya, warna ungu menunjukkan bahawa lebih daripada 4% isipadu otak hilang bagi setiap satu peningkatan sisihan piawai dalam BMI. Akibatnya, seseorang yang berada dalam 5% BMI teratas (iaitu dua sisihan piawai daripada min), akan menunjukkan defisit fokus maksimum 8% di kawasan seperti korteks frontal orbital. Anak panah dan asterisk mengenal pasti kawasan anatomi yang sepadan antara peta korelasi dan imej beta.

Rajah 4

Angka ini menunjukkan peta nilai korelasi (r-pada nilai) yang diunjurkan ke dalam templat otak MNI Tunggal Standard untuk tujuan paparan. Korelasi yang ditunjukkan adalah antara BMI dan atrofi GM / WM yang lebih tinggi untuk umur, jantina, bangsa dan DM2. Panas ...

Kami mengesan tiada persatuan bebas umur, DM2, jantina atau bangsa pada jumlah GM atau WM dalam sampel kami sekali BMI diambilkira. Analisis interaksi juga menunjukkan bahawa atrofi berkaitan BMI tidak berubah sebagai fungsi mana-mana satu daripada pembolehubah ini. BMI yang berasingan oleh analisis interaksi FPI (n = 64) menunjukkan bahawa kesan BMI pada struktur otak tidak berubah sebagai fungsi FPI. Untuk lebih memahami bagaimana atrofi berkaitan BMI diedarkan, kami juga membandingkan jumlah GM dan WM orang dengan klasifikasi diagnostik diskriminasi 3, iaitu BMI biasa, berat badan berlebihan, dan obes.

Analisis ANCOVA Antara-Kumpulan

Obesiti berbanding BMI Normal

Dalam membandingkan subjek obes (BMI: 30+) dengan mereka yang mempunyai BMI normal (BMI: 18.5–25), kami mendapati isipadu GM dan WM yang lebih rendah ( FDR < 5%) dalam kumpulan obes walaupun mengawal umur, jantina, bangsa dan DM2. Atrofi ini ditunjukkan dalam Rajah 5 sebagai imej- r yang diunjurkan pada templat MNI Subjek Tunggal Standard, dengan warna merah sepadan dengan saiz kesan korelasi yang lebih tinggi ( r > 0.50). Orang obes mempunyai isipadu GM dan WM yang lebih rendah di lobus frontal, girus cingulate anterior (bahagian a, anak panah biru), hippocampus (bahagian b, anak panah hitam), dan ganglia basal (bahagian c, kotak hijau). Peta ini menunjukkan bahawa obesiti dikaitkan dengan atrofi di kawasan otak yang penting untuk fungsi kognitif seperti cingulate anterior, yang mengambil bahagian dalam fungsi perhatian dan eksekutif.

Rajah 5

Peta korelasi (r- nilai gambar) ukuran kesan untuk perbandingan 14 orang gemuk (BMI> 30) dengan 29 orang berat badan normal (18.5–25). Orang gemuk mempunyai jumlah GM dan WM yang lebih rendah di lobus frontal, anterior cingulate gyrus (bahagian a, blue ...

Berat badan berbanding BMI yang Normal

Rajah 6 menunjukkan bahawa subjek yang berlebihan berat badan (BMI: 25–30) mempunyai isipadu otak yang lebih rendah berbanding mereka yang mempunyai BMI Normal dalam ganglia basal (bahagian a – anak panah hitam; bahagian b – anak panah merah; bahagian c – anak panah biru), korona radiata (bahagian b, kotak hitam), dan lobus parietal (bahagian c, anak panah ungu). Hubungan ini secara amnya lebih rendah dari segi magnitud (| r| = 0.30 – 0.40) berbanding keputusan BMI obes-normal. Tidak seperti orang obes, kumpulan berlebihan berat badan tidak menunjukkan atrofi di kawasan paralimbik seperti girus cingulate anterior dan hippocampus. Tiada perbezaan yang signifikan secara statistik dalam GM dan WM antara kumpulan obes dan berat badan berlebihan. Semua analisis dikawal untuk umur, jantina, bangsa dan DM2.

Rajah 6

Peta koefisien korelasi ditunjukkan untuk perbandingan kumpulan 51 orang berat badan berlebihan (BMI: 25-30) berbanding orang berat badan 29 (18.5-25). Atrofi dalam kumpulan kelebihan berat badan dilihat dalam ganglia basal (bahagian a - anak panah hitam; ...

Perbincangan

Di sini kami melaporkan beberapa penemuan utama yang mengaitkan defisit struktur otak dengan obesiti, BMI yang lebih tinggi, FPI dan DM2 dalam kalangan individu warga emas yang normal dari segi kognitif yang diambil daripada kohort komuniti. Pertama, lemak tisu badan yang lebih tinggi sangat dikaitkan dengan defisit isipadu otak dalam subjek warga emas yang normal dari segi kognitif, walaupun ketika mengawal potensi kekeliruan seperti umur, jantina dan bangsa. Kedua, FPI dan DM2 menunjukkan perkaitan songsang dengan struktur otak dalam analisis bivariat , tetapi korelasi ini tidak signifikan secara statistik ketika mengawal BMI. Ketiga, korelasi negatif antara lemak tisu badan dan struktur otak adalah paling kuat dalam kalangan orang obes tetapi juga dilihat pada individu yang berlebihan berat badan. Walaupun kami mengakui bahawa kesan obesiti mungkin sekunder kepada kesihatan yang secara amnya buruk, ini kurang berkemungkinan dalam sampel kami kerana (i) mereka yang mempunyai kesihatan yang sangat buruk kurang berkemungkinan untuk hidup hingga usia lanjut (min: 77.3 tahun) dalam kajian kami; (ii) tiada korelasi dikesan antara BMI dan kadar kematian dalam kohort kami 10 tahun selepas imbasan mereka ( r (94) = 0.07, p = 0.47); dan (iii) 3 kumpulan BMI tidak berbeza dalam kadar penyakit vaskular yang meningkatkan morbiditi dan mortaliti ( Jadual I ). Oleh itu, walaupun pada orang yang mempunyai kognisi normal yang hidup hingga usia tua, adipositi tisu badan yang lebih tinggi mungkin mempunyai akibat buruk pada struktur otak.

Penemuan kami tentang atrofi otak yang berkaitan dengan BMI dalam kalangan warga emas yang normal secara kognitif disokong oleh kajian daripada sampel yang lebih muda. Satu kajian terhadap lelaki Jepun (purata umur: 46.1) menunjukkan pengurangan isipadu GM yang berkaitan dengan peningkatan BMI dalam lobus temporal medial, hippocampus, dan precuneus [ Taki et al., 2008 ]. Satu lagi kajian (purata umur: 32) menunjukkan kehilangan isipadu GM yang lebih besar dalam individu obes dalam operkulum frontal, girus postcentral, dan putamen [ Pannacciulli et al., 2006 ]. Satu kajian spektroskopi MR baru-baru ini mendedahkan keabnormalan metabolik dalam GM dan WM lobus frontal dalam sekumpulan orang obes yang lebih muda (purata umur: 41.7) [ Gazdzinski et al., 2008 ].

Korelasi antara BMI dan isipadu otak tidak mungkin secara langsung dalam erti kata satu menyebabkan yang lain; oleh itu, adalah penting untuk mengenal pasti faktor atau mekanisme yang mungkin cenderung menyebabkan pengurangan isipadu otak dan obesiti dalam subjek yang sama. Mediator yang paling biasa dicadangkan untuk hubungan antara adipositi tisu badan yang lebih tinggi dan struktur otak termasuk hiperkortisolemia [ Lupien et al., 1998 ], pengurangan senaman [ Colcombe et al., 2003 ], gangguan fungsi pernafasan [ Guo et al., 2006 ], keradangan [ van Dijk et al., 2005 ], kardiovaskular/hipertensi/hiperlipidemia [ Breteler et al., 1994 ; Swan et al., 1998 ], dan diabetes mellitus jenis II [ den Heijer et al., 2003 ; Ferguson et al., 2003 ]. Manifestasi defisit struktur otak dalam kajian ini adalah atrofi hipokampus, kehilangan isipadu kortikal, dan hiperintensiti WM. Kami tidak menemui interaksi antara BMI dan DM2, jadi kesan BMI tidak mungkin dimediasi oleh mekanisme tersebut dalam sampel kami. Selain itu, keputusan BMI kami tidak berubah semasa mengawal hipertensi dan hiperintensiti WM seperti yang dinilai oleh kriteria CHS piawai [ Dai et al., 2008 ; Yue et al., 1997 ]. Keputusan ini mungkin mencerminkan kesan survivor, kerana individu yang mempunyai BMI yang tinggi dan penyakit serebrovaskular yang teruk secara klinikal kurang berkemungkinan hidup dalam lingkungan umur populasi kajian kami (70–89 tahun). Selain itu, kami tidak dapat menolak kemungkinan bahawa hubungan BMI dengan atrofi otak dalam kohort warga emas kami lebih dimediasi secara langsung melalui mana-mana satu atau mana-mana gabungan mekanisme lain yang disenaraikan di atas.

Setelah membuktikan bahawa BMI dikaitkan dengan atrofi otak pada warga emas, kami juga mengakui bahawa terdapat kontroversi dalam literatur tentang bagaimana hubungan ini dipengaruhi oleh perbezaan jantina. Sekumpulan wanita warga emas Sweden (70–84 tahun) menunjukkan atrofi lobus temporal yang ketara pada tomografi berkomputer [ Gustafson et al., 2004 ] manakala satu lagi kajian mendapati BMI berkaitan dengan kehilangan isipadu serebrum pada lelaki Jepun tetapi tidak pada wanita [ Taki et al., 2008 ]. Untuk menentukan sama ada korelasi antara BMI dan struktur otak dipengaruhi oleh jantina dalam kajian kami, kami memodelkan BMI mengikut interaksi jantina dalam analisis regresi berganda kami dan tidak mengesan perbezaan jantina dalam atrofi otak berkaitan BMI. Oleh itu, kajian kami menunjukkan bahawa kesan buruk adipositi tisu yang lebih tinggi pada struktur otak mungkin bebas daripada jantina; walau bagaimanapun, penemuan ini memerlukan siasatan lanjut dalam kajian masa hadapan.

Walaupun korelasi FPI, DM2, dan atrofi otak yang tidak diselaraskan tidak signifikan secara statistik dalam model yang diselaraskan, ia mungkin wajar dibincangkan kerana terdapat peningkatan literatur mengenai kesan hiperinsulinemia dan DM2 pada otak. Pada peringkat awal DM2, rintangan insulin dikaitkan dengan hiperinsulinemia pampasan [ Yaffe et al., 2004 ], dan tahap insulin yang tinggi dikaitkan dengan gangguan kognitif, walaupun pada subjek yang tidak akan menghidap DM2 [ van Oijen et al., 2008 ], menunjukkan bahawa hiperinsulinemia boleh mengubah struktur otak. Pelbagai mekanisme terlibat dalam kesan hiperinsulinemia pada fungsi dan struktur otak, termasuk kesan vasoaktif pada arteri serebrum, neurotoksisiti akibat gangguan pembersihan amiloid dari otak dan rangsangan pembentukan kusut neurofibrillary melalui metabolisme produk akhir glikasi lanjutan [ Bian et al., 2004 ; Watson et al., 2003 ]. Kesan insulin diperhatikan di sini dalam pelbagai bidang yang berkaitan dengan fungsi kognitif seperti korteks frontal orbital dan hippocampus. Ini selaras dengan tanggapan bahawa hiperinsulinemia mempengaruhi struktur otak yang terlibat dalam kognisi; ia juga boleh menyebabkan penurunan kognitif yang halus sebelum gejala klinikal demensia yang jelas dapat dikesan [ Kalmijn et al., 1995 ].

DM2 dikaitkan dengan isipadu GM dan WM yang lebih rendah dalam bidang berkaitan kognitif seperti lobus frontal dan saluran WM yang besar (splenium corpus callosum), menunjukkan bahawa DM2 mempunyai kaitan yang meluas dengan atrofi otak. DM2 boleh mengurangkan isipadu otak melalui proses serebrovaskular progresif yang membawa kepada strok dan infark [ Ikram et al., 2008 ; Knopman et al., 2005 ]. DM2 boleh menyebabkan kerosakan melalui glikasi protein struktur utama yang lebih maju, ketidakseimbangan antara penghasilan dan penghapusan spesies oksigen reaktif, dan melalui gangguan laluan heksosamin dan poliol, menyebabkan membran bawah tanah kapilari serebrum menebal [ Arvanitakis et al., 2006 ]. Perubahan mikrovaskular sedemikian, yang kerap berlaku dengan akibat obesiti lain seperti hipertensi, boleh menyebabkan iskemia subklinikal kronik, penggunaan tenaga neuron terjejas, dan atrofi di kawasan otak dengan vaskular yang sangat terdedah seperti arteri lentikulostriat ganglia basal [ Breteler et al., 1994 ]. Penemuan ganglia basal dalam analisis TBM juga boleh ketara disebabkan oleh kekurangan sensitiviti perbandingan TBM terhadap perubahan isipadu dalam permukaan kortikal disebabkan oleh kelancaran medan ubah bentuk dan kesan isipadu separa yang terhasil [Hua et al, 2009; Leow et al., 2009 ]. Keputusan bivariat DM2 kami adalah selaras dengan penemuan terdahulu bahawa GM dan WM terjejas dalam DM2 [ Korf et al., 2007 ; Tiehuis et al., 2008 ] dan dengan kajian FDG-PET yang menunjukkan hipometabolisme di kawasan persatuan frontal, temporal dan parietal, serta girus cingulate posterior dalam subjek yang normal secara kognitif dengan hiperglisemia ringan [ Kawasaki et al., 2008 ].

Persatuan DM2 tidak bertahan dalam model regresi berganda yang diselaraskan , yang mungkin disebabkan oleh bilangan subjek DM2 yang kecil dalam kajian ini (n = 11), yang mana ia sendiri mungkin merupakan akibat daripada kesan survivor. Iaitu, ramai orang yang menghidap DM2 mungkin tidak hidup cukup lama untuk menjalani pengimbasan sebagai sebahagian daripada CHS. Bias ini mungkin telah menyebabkan kekurangan kuasa dalam model regresi berganda dan kekurangan interaksi yang signifikan secara statistik antara BMI dan DM2. Isu ini boleh diatasi dalam kajian masa hadapan dengan menganalisis bilangan orang DM2 warga emas yang normal secara kognitif yang lebih besar. Kajian sedemikian boleh menjelaskan kemungkinan peranan mediasi untuk DM2 berkenaan dengan obesiti dan atrofi otak. Walaupun agak menggoda untuk membuat spekulasi bahawa orang yang obes dan berlebihan berat badan mempunyai patologi DM2 subklinikal awal (seperti yang dicerminkan oleh orang yang obes dan berlebihan berat badan yang mempunyai FPI yang lebih tinggi) dan ini memacu hubungan antara BMI dan atrofi otak, kajian masa hadapan perlu mengesahkannya kerana kami tidak menemui interaksi yang signifikan secara statistik antara BMI dan DM2 atau FPI.

Penemuan kami, yang diambil dalam konteks kajian terdahulu, mencadangkan bahawa warga tua dengan adipositi yang lebih tinggi berada pada risiko peningkatan atrofi otak dan akibatnya demensia. Malah subjek-subjek orang tua kita, yang sangat sihat dan disahkan untuk kognitif stabil sekurang-kurangnya 5 tahun selepas pengimbasan baseline, telah mengalami atrofi otak yang berkaitan dengan obesiti. Keputusan kami menunjukkan bahawa individu mungkin mempunyai atrofi otak yang lebih besar disebabkan oleh obesiti atau disebabkan oleh faktor yang menggalakkan obesiti dan atrofi ini boleh pula menjejaskan mereka untuk masalah kognitif masa depan dan demensia. Implikasi kitaran ini termasuk: (i) peningkatan morbiditi / kematian pada orang tua; (ii) kos penjagaan kesihatan yang lebih tinggi akibat demensia berkaitan obesiti; dan (iii) beban emosi dan lain-lain yang tidak berkaitan dengan penjaga dan penjagaan kesihatan. Persatuan obesiti dengan atrofi otak dan risiko demensia memaparkan cabaran kesihatan awam yang berpotensi.

Kajian ini menggunakan kaedah pengimejan saraf untuk meneroka kesan BMI, insulin dan DM2 yang lebih tinggi dalam kohort komuniti warga emas yang kekal normal secara kognitif selama lima tahun selepas imbasan mereka. Oleh itu, keputusan sedemikian lebih cenderung mencerminkan perubahan otak dalam populasi warga emas umum kerana ia mengelakkan bias rujukan kajian yang menarik subjek dari klinik khusus. Morfometri Berasaskan Tensor (TBM) menawarkan pemetaan resolusi tinggi perbezaan anatomi, menawarkan sensitiviti yang sangat baik terhadap perbezaan struktur sistematik dalam otak dan kekurangan bias pemilihan pengesanan ROI yang hanya memeriksa sebahagian otak. Kami menggunakan TBM kerana keberkesanannya dalam menganalisis perbezaan kumpulan volumetrik di seluruh otak. Dalam jenis kajian berasaskan voxel yang lain, seperti morfometri berasaskan voxel [ Ashburner dan Friston, 2000 ], persoalan kadangkala timbul sama ada penemuan itu mungkin disebabkan oleh pendaftaran yang tidak sempurna. Persoalan ini timbul kerana dalam VBM, peta jirim kelabu terkelas yang dilicinkan diselaraskan secara automatik merentasi subjek dan dilicinkan, dan kemudian inferens statistik dibuat mengenai perbezaan kumpulan, dengan penolakan voxel demi voxel bagi imej purata kumpulan. Oleh itu, ada kemungkinan perbezaan yang dikesan di mana-mana satu lokasi adalah disebabkan oleh pendaftaran yang tidak sempurna [ Thacker et al., 2004 ].

Walau bagaimanapun, dalam TBM, isyarat yang dianalisa hanya didasarkan pada pendaftaran imej dan bukan klasifikasi bahan kelabu yang sejajar, oleh itu tidak diperlukan bahawa bahan kelabu didaftarkan dengan sempurna merentasi subjek kerana ketumpatan bahan kelabu tidak dianalisis pada setiap stereotaktik lokasi. Oleh itu, penemuan positif palsu kerana perbezaan kumpulan sistematik dalam kesilapan pendaftaran kurang berkemungkinan. Walau bagaimanapun, mungkin terdapat penemuan negatif palsu, kerana kuasa untuk mengesan perbezaan morfometri bergantung pada skala di mana data anatomik dapat dipadankan dengan algorithm warping. Perbezaan morfometrik yang lebih sempurna (contohnya dalam ketebalan hippocampus atau ketebalan kortikal) mungkin lebih baik dikesan menggunakan kaedah lain yang memodelkan struktur tersebut dengan jelas. Walau bagaimanapun, kami lebih suka menggunakan TBM berbanding padanan kortikal kerana TBM dapat memproses nombor subjek yang lebih besar dalam masa lebih cepat dan memerlukan memori pengiraan yang kurang [Xue et al., 2008]. Oleh itu, TBM kurang terdedah kepada bias pendaftaran daripada VBM dan lebih cekap untuk menganalisis bilangan subjek yang lebih besar daripada pemodelan permukaan kortikal dan padanan corak kortikal.

Penemuan kami terhad oleh reka bentuk keratan rentas, walaupun susulan membujur digunakan untuk memaklumkan pemilihan subjek bagi meminimumkan pengganggu daripada mereka yang mengalami neurodegenerasi awal daripada Alzheimer atau demensia lain. Pendekatan regresi berganda kami mengambil kira kesan pengganggu yang berpotensi berlaku terhadap umur, jantina, dan bangsa serta DM2. Kami tidak memasukkan genotip APOE4 dalam model ini, kerana pembolehubah tersebut tidak menunjukkan hubungan yang signifikan secara statistik dalam analisis bivariat ( p = 0.39, ujian permutasi).

Dengan semakin banyak orang menjadi kedua-dua gemuk dan tua, pemahaman terperinci tentang kelainan struktur otak dalam kumpulan ini adalah penting. Kajian seperti ini menunjukkan mengapa individu-individu ini mungkin mengalami peningkatan risiko demensia. Malah orang tua yang kekal kognitif lama selepas MRI mereka mempunyai atrofi berkaitan BMI di kawasan otak yang disasarkan oleh neurodegeneration: hippocampus, lobus frontal, dan thalamus. Individu tersebut mungkin mendapat manfaat daripada campur tangan untuk mengurangkan lemak tisu badan dan mengalami kesihatan otak yang lebih baik dalam penuaan.

Bahan Tambahan

Penghargaan

Pembangunan algoritma untuk kajian ini dibiayai oleh NIA, NIBIB, dan NCRR (AG016570, EB01651, RR019771 kepada PT). Kajian ini juga disokong oleh dana daripada Institut Penuaan Kebangsaan kepada OLL (AG 20098, AG05133) dan LHK (AG15928) dan Geran Pra-Kedoktoran Persatuan Jantung Amerika kepada CAR (0815465D). Senarai penuh penyiasat dan institusi CHS yang mengambil bahagian boleh didapati di www.chs-nhlbi.org . CAR ingin mengucapkan terima kasih kepada Dr. William E. Klunk atas bimbingan dan sokongan beliau.

Rujukan

  • WHO Obesiti dan berat badan berlebihan. Pertubuhan Kesihatan Sedunia; 2009. http://www.who.int/dietphysicalactivity/publications/facts/obesity/en/. Diakses pada April 19, 2009.
  • Apostolova LG, Dutton RA, ID Dinov, Hayashi KM, Toga AW, Cummings JL, PM Thompson. Penukaran kecacatan kognitif ringan kepada penyakit Alzheimer yang diramalkan oleh peta atrofi hippocampal. Arch Neurol. 2006;63(5): 693-9. [PubMed]
  • Arvanitakis Z, Schneider JA, Wilson RS, Li Y, Arnold SE, Wang Z, Bennett DA. Diabetes berkaitan dengan infark serebral tetapi tidak patologi AD pada orang tua. Neurologi. 2006;67(11): 1960-5. [PubMed]
  • Ashburner J, Friston KJ. Morfometri berasaskan Voxel - kaedah. Neuroimage. 2000;11: 805-21. [PubMed]
  • Bian L, Yang JD, Guo TW, Sun Y, Duan SW, Chen WY, Pan YX, Yeng GY, He L. Enzim insulin-menghina dan penyakit Alzheimer. Neurologi. 2004;63: 241-245. [PubMed]
  • Braak H, Braak E. Perubahan neuropatologi berkaitan dengan Alzheimer. Acta Neuropathol. 1991;82: 239-259. [PubMed]
  • Brach JS, Talkowski JB, Strotmeyer ES, Newman AB. Diabetes Mellitus dan Gait Disfungsi: Faktor Penjelasan yang Mungkin. Therese Phys. 2008
  • Braskie MN, Klunder AD, Hayashi KM, Protas H, Kepe V, Miller KJ, Huang SC, Barrio JR, Ercoli LM, Siddarth P, et al. Pencitraan plak dan kusut dan kognisi dalam penuaan normal dan penyakit Alzheimer. Penuaan Neurobiol. 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, et al. Lesi perkara serebrum putih, faktor risiko vaskular, dan fungsi kognitif dalam kajian berasaskan populasi: Kajian Rotterdam. Neurologi. 1994;44(7): 1246-52. [PubMed]
  • Callen DJA, Black SE, Gao F, Caldwell CB, Szalai JP. Di luar hippocampus. Volumetri MRI mengesahkan atrofi limbic yang meluas dalam AD. Neurologi. 2001;57: 1669-1674. [PubMed]
  • Ceska R. Implikasi klinikal terhadap sindrom metabolik. 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. Faktor risiko vaskular, aterosklerosis, lesi benda putih dan perceraian serebrum dalam kajian berasaskan populasi. Eur J Nucl Med. 1996;23(6): 675-682. [PubMed]
  • Colcombe SJ, Erickson KI, Raz N, Webb AG, Cohen NJ, McAuley E, Kramer AF. Kebugaran aerobik mengurangkan kehilangan tisu otak pada manusia yang menua. J Gerontol A Sci Biol Sci Med. 2003;58(2): 176-80. [PubMed]
  • Dai W, Lopez OL, Carmichael OT, Becker JT, Kuller LH, Gach HM. Aliran serebrum serantau yang tidak normal dalam subjek orang tua yang kognitif dengan hipertensi. Strok. 2008;39(2): 349-354. [Artikel percuma PMC] [PubMed]
  • DeKosky ST, Mathis CA, Harga JC, Lopresti BJ, Meltzer CC, Zioko SK, Hoge JA, Tsopelas N, Klunk KAMI. Kajian pencitraan amiloid manusia dengan Pittsburgh Compound-B dalam Kemerosotan Kognitif Kurang (MCI): Adakah MCI tempoh kritikal plak amiloid plak? Neurologi. 2006
  • den Heijer T, Vermeer SE, van Dijk EJ, Prins ND, Koudstaal PJ, Hofman A, Breteler MM. Jenis diabetes 2 dan atrofi struktur lobus temporal medial pada MRI otak. Diabetologia. 2003;46(12): 1604-10. [PubMed]
  • Edgington ES. Ujian Rawak. Edisi 3rd Marcel Dekker; New York: 1995.
  • Elias MF, Elias PK, Sullivan LM, Wolf PA, D'Agostino RB. Obesiti, diabetes dan defisit kognitif: Kajian Jantung Framingham. Penuaan Neurobiol. 2005;26(Suppl 1): 11-6. [PubMed]
  • Ferguson SC, Blane A, Perros P, McCrimmon RJ, JJ Terbaik, Wardlaw J, Deary IJ, Frier BM. Keupayaan kognitif dan struktur otak dalam kencing manis jenis 1: berkaitan dengan mikangiopati dan hipoglikemia yang teruk sebelum ini. Kencing manis. 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, et al. Kajian Kesihatan Kardiovaskular: Reka Bentuk dan Rasional. Ann Epidemiol. 1991;1(3): 263-276. [PubMed]
  • Gazdzinski S, Kornak J, Weiner MW, DJ Meyerhoff. Indeks jisim badan dan penanda resonans magnetik integriti otak pada orang dewasa. Ann Neurol. 2008;63(5): 652-7. [Artikel percuma PMC] [PubMed]
  • Genovese CR, Lazar NA, Nichols TE. Thresholding peta statistik dalam neuroimaging berfungsi menggunakan kadar penemuan palsu. Neuroimage. 2002;15(4): 870-878. [PubMed]
  • Guo X, Pantoni L, Simoni M, Gustafson D, Bengtsson C, Palmertz B, Skoog I. Fungsi pernafasan pernafasan yang berkaitan dengan lesi benda putih dan infark lacunar dalam kehidupan lewat: Prospektif Kajian Penduduk Wanita di Gothenburg, Sweden. Strok. 2006;37(7): 1658-62. [PubMed]
  • Gustafson D, Lissner L, Bengtsson C, Bjorkelund C, Skoog I. Susulan indeks jisim badan dan atrofi serebrum 24 tahun. Neurologi. 2004;63(10): 1876-81. [PubMed]
  • Holmes CJ, Hoge R, Collins L, Woods R, Toga AW, Evans AC. Meningkatkan imej MR menggunakan pendaftaran untuk isyarat purata. 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. Morfometri berdasarkan tensor sebagai biomarker neuroimaging untuk penyakit Alzheimer: Kajian MRI pada 676 AD, MCI, dan subjek normal. Neuroimage. 2008
  • Ikram MA, Vrooman HA, Vernooij MW, van der Lijn F, Hofman A, van der Lugt A, Niessen WJ, Breteler MM. Jumlah tisu otak dalam populasi warga tua umum. Kajian Rotterdam Scan. Penuaan Neurobiol. 2008;29(6): 882-90. [PubMed]
  • Irie F, Fitzpatrick AL, Lopez OL, Kuller LH, Peila R, Newman AB, Launer LJ. Risiko yang dipertingkatkan untuk penyakit Alzheimer pada orang dengan diabetes jenis 2 dan APOE epsilon4: Kajian Kognisi Kajian Kardiovaskular Kesihatan. Arch Neurol. 2008;65(1): 89-93. [PubMed]
  • Kalmijn S, Fesken EM, Launer LJ, Stignen T, Kromhout D. Intoleransi glukosa, hyperinsulinemia, dan fungsi kognitif dalam populasi umum lelaki eldelry. Diabetologica. 1995;38: 1096-1102.
  • Kawasaki K, Ishii K, Saito Y, Oda K, Kimura Y, Ishiwata K. Pengaruh hyperglycemia ringan pada pola pengedaran FDG serebrum dikira dengan pemetaan parameter statistik. Ann Nucl Med. 2008;22(3): 191-200. [PubMed]
  • Knopman DS, Mosley TH, Catellier DJ, Sharrett AR. Faktor risiko kardiovaskular dan atrofi serebrum dalam kohort pertengahan umur. Neurologi. 2005;65: 876-881. [PubMed]
  • Kochunov P, Lancaster J, Thompson P, Toga AW, Brewer P, Hardies J, Fox P. Sasaran otak individu yang dioptimumkan dalam sistem koordinat Talairach. 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, et al. Diabetes mellitus, hypertension dan atrophy lobus temporal medial: kajian LADIS. Diabet Med. 2007;24(2): 166-71. [PubMed]
  • Leibson CL, Rocca WA, Hanson VA. Risiko demensia di kalangan pesakit diabetes mellitus: kajian kohort berasaskan populasi. Am 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, et al. Inisiatif neuroimaging penyakit Alzheimer: kajian susulan satu tahun menggunakan morfometri berdasarkan tensor yang menghubungkan kadar degeneratif, biomarker dan kognisi. Neuroimage. 2009;45(3): 645-55. [Artikel percuma PMC] [PubMed]
  • Lepore N, Brun CA, Pennec X, Chou YY, Lopez OL, HJ A, Becker JT, Toga AW, PM Thompson. Templat ringkas untuk morfometri berasaskan tensor menggunakan tensor ubah bentuk. In: Ayavhe N, Ourselin S, Maeder A, editor. MICCAI2007, Bahagian II, LNCS 4792. Springer-Verlag; Berlin Heidelberg: 2007. ms 826-833.
  • Lopez OL, Jagust WJ, Dulberg C, Becker JT, DeKosky ST, Fitzpatrick A, Breitner J, Lyketsos CG, Jones B, Kawas C, et al. Faktor risiko untuk pencegahan kognitif ringan dalam Kajian Kognisi Kajian Kardiovaskular Kesihatan: Bahagian 2. Arch Neurol. 2003a;60: 1394-1399. [PubMed]
  • Lopez OL, Kuller LH, Becker JT, Jagust JW, Fitzpatrick A, Carlson M, Breimer J, Lyketsos C. Klasifikasi demensia vaskular dalam kajian kognisi Kajian Kardiovaskular Kesihatan. Neurobiologi Penuaan. 2004;25(Suppl 1): S483.
  • Lopez OL, Kuller LH, Fitzpatrick A, Ives D, Becker JT, Beauchamp N. Evaluasi dementia dalam kajian kognisi kesihatan kardiovaskular. Neuroepidemiology. 2003b;22(1): 1-12. [PubMed]
  • Lupien SJ, de Leon M, de Santi S, Convit A, Tarshish C, NP Nair, Thakur M, McEwen BS, Hauger RL, Meaney MJ. Tahap kortisol semasa penuaan manusia meramalkan atropi hippocampal dan defisit ingatan. Alam Neurosains. 1998;1(1): 69-73. [lihat komen] [erratum muncul dalam Nat Neurosci 1998 Ogos; 1 (4): 329]
  • Mankovsky BN, Ziegler D. Stroke pada pesakit diabetes mellitus. 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. Pemetaan automatik atrofi hipokampal dalam data MRI berulang 1 tahun dari 490 subjek dengan penyakit Alzheimer, gangguan kognitif ringan, dan kawalan orang tua. Neuroimage. 2009 Mar;45(1 Suppl): S3-15. [Artikel percuma PMC] [PubMed]
  • McNeill AM, Katz R, Girman CJ, Rosamond WD, Wagenknecht LE, Barzilay JI, Tracy RP, Savage PJ, Jackson SA. Sindrom metabolik dan penyakit kardiovaskular pada orang yang lebih tua: Kajian kesihatan kardiovaskular. J Am Geriatr Soc. 2006;54(9): 1317-24. [PubMed]
  • Pannacciulli N, Del Parigi A, Chen K, Le DS, Reiman EM, Tataranni PA. Abnormaliti otak dalam obesiti manusia: kajian morphometric berasaskan voxel. Neuroimage. 2006;31(4): 1419-25. [PubMed]
  • Swan GE, DeCarli C, Miller BL, Reed T, Wolf PA, Jack LM, Carmelli D. Persatuan tekanan darah di tengah-tengah ke tahap penurunan hayat kognitif dan morfologi otak. Neurologi. 1998;51(4): 986-93. [PubMed]
  • Taki Y, Kinomura S, Sato K, Inoue K, Goto R, Okada K, Uchida S, Kawashima R, Fukuda H. Hubungan antara indeks jisim badan dan jumlah bahan kelabu dalam individu yang sehat 1,428. Obesiti (Silver Spring) 2008;16(1): 119-24. [PubMed]
  • Thompson PM, Giedd JN, Woods RP, MacDonald D, Evans AC, Toga AW. Corak pertumbuhan dalam otak yang berkembang dikesan dengan menggunakan peta tensor continuum-mechanizal. Alam semula jadi. 2000;404(6774): 190-193. [PubMed]
  • Thacker NA, Williamson DC, Pokric M. Voxel berdasarkan analisis jumlah tisu dari data MRI. 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. Diabetes meningkatkan atrofi dan lesi vaskular pada MRI otak pada pesakit dengan penyakit arteri simtomatik. Strok. 2008;39(5): 1600-3. [PubMed]
  • van Dijk EJ, Prins ND, Vermeer SE, Vrooman HA, Hofman A, Koudstaal PJ, Breteler MM. C-reaktif protein dan penyakit kecil serangga: kajian Rotterdam Scan. Peredaran. 2005;112(6): 900-5. [PubMed]
  • van Oijen M, Okereke OI, Kang JH, Pollak MN, Hu FB, Hankinson SE, Grodstein F. Tahap insulin puasa dan penurunan kognitif pada wanita yang lebih tua tanpa diabetes. Neuroepidemiology. 2008;30(3): 174-9. [Artikel percuma PMC] [PubMed]
  • Watson GS, Peskind ER, Asthana S, Purganan K, Tunggu C, Chapman D, Schwartz MW, Plymate S, Craft S. Insulin meningkatkan tahap CSF A-Beta-42 pada orang dewasa yang normal. Neurologi. 2003;60: 1899-1903. [PubMed]
  • Wolf PA, Beiser A, Elias MF, Au R, Vasan RS, Seshadri S. Hubungan obesiti kepada fungsi kognitif: pentingnya obesiti pusat dan pengaruh sinergi terhadap hipertensi bersamaan. Kajian Hati Framingham. Curr Alzheimer Res. 2007;4(2): 111-6. [PubMed]
  • Yaffe K, Blackwell T, Kanaya AM, Davidowitz N, Barrtett-Connor E, Krueger K. Diabetes, glukosa puasa yang cacat, dan perkembangan kecacatan kognitif pada wanita yang lebih tua. Neurologi. 2004;63: 658-663. [PubMed]
  • Yue NC, Arnold AM, Longstreth WT, Elster AD, Jungreis CA, O'Leary DH, Poirier VC, Bryan RN. Perubahan bahan sulkal, ventrikel, dan putih pada pencitraan MR di otak penuaan: Data dari Kajian Kesihatan Kardiovaskular Radiologi. 1997;202: 33-39. [PubMed]