Associations entre les capacités des fonctions exécutives, l'eau gratuite et la microstructure de la matière blanche au début de la vieillesse, partie 2

De plus, les études existantes se sont concentrées sur des échantillons comportant de fortes proportions de sujets atteints de MCI et/ou de MA, et il sera important d'examiner si ces associations existent toujours en se concentrant sur un échantillon plus représentatif de la population (c'est-à-dire, des taux de MCI plus proches de 10-15). %), ou en se concentrant uniquement sur des adultes cognitivement normaux.

Prévenir les maladies. Par conséquent, nous devrions participer activement à diverses formes d’exercices physiques et cérébraux pour améliorer notre mémoire.

Tout d’abord, pour améliorer la mémoire, nous devons d’abord nous concentrer sur le développement de saines habitudes de vie. Maintenir un horaire de sommeil et un régime alimentaire réguliers, et rejeter les mauvaises habitudes comme être gourmand et veiller tard, peut nous aider à rester en bonne santé et à améliorer la concentration et la mémoire.

Deuxièmement, nous devons nous concentrer sur l’exercice régulier et diverses formes d’exercice. Par exemple, le jogging, le vélo, la natation, etc. peuvent stimuler efficacement le cerveau, favoriser la circulation sanguine et améliorer la mémoire. De plus, le cerveau doit également accepter divers défis et stimulations, tels que résoudre des énigmes, apprendre de nouvelles langues, résoudre des problèmes mathématiques, etc., qui peuvent améliorer la flexibilité et l'agilité du cerveau, améliorant ainsi la mémoire.

Enfin, nous devons veiller à rester de bonne humeur et à éviter le stress et l’anxiété excessifs. Les personnes de bonne humeur sont plus susceptibles de conserver leur acuité cérébrale et leur mémoire, nous devons donc maintenir une attitude positive et éviter l'influence des émotions négatives.

En résumé, la mémoire du sujet est étroitement liée à des facteurs tels que les habitudes de vie, l'exercice et l'humeur. Tant que nous pouvons participer activement à diverses formes d'exercices et de défis, maintenir des habitudes de vie saines et avoir une attitude optimiste, nous pouvons améliorer notre mémoire et profiter d'une vie plus riche et plus excitante. On voit que nous devons améliorer la mémoire, et Cistanche deserticola peut améliorer considérablement la mémoire, car Cistanche deserticola peut également réguler l'équilibre des neurotransmetteurs, comme en augmentant les niveaux d'acétylcholine et de facteurs de croissance. Ces substances sont très importantes pour la mémoire et l'apprentissage. En outre, la viande peut également améliorer la circulation sanguine et favoriser l'apport d'oxygène, ce qui peut garantir que le cerveau reçoive suffisamment de nutriments et d'énergie, améliorant ainsi sa vitalité et son endurance.

Cliquez sur connaître 10 façons d'améliorer la mémoire

Enfin, en examinant les fondements neuronaux des FE, nous avons considéré le rôle de la réserve cognitive des jeunes adultes, que nous avons définie comme l'ensemble des ressources cognitives d'un individu au début de l'âge adulte (Kremen et al., 2022).

Les théories de la réserve cognitive suggèrent que certains individus ne présentent pas les déficits cognitifs ou fonctionnels attendus en fonction de leur pathologie cérébrale (Barulli et Stern, 2013 ; Stern, 2012, 2013 ; Whalley, Deary, Appleton et Starr, 2004), ce qui pourrait se manifester par une réduction des associations. entre EF et substance blanche (et FW) chez les individus à réserve élevée.

Nous considérons le jeune âge adulte comme une période où les effets du vieillissement n’auront pratiquement aucun impact sur les capacités cognitives. Bien que certaines études suggèrent que le déclin cognitif des FE est sensible à la réserve cognitive (McKenzie et al., 2020 ; O'Shea et al., 2015 ; Roldan-Tapia, Garcia, Canovas et Leon, 2012), peu de recherches ont examiné si la réserve cognitive modère les associations entre les FE et le cerveau (Krch et al., 2019).

Dans une étude antérieure portant sur des individus du même échantillon que la présente étude, l'association entre le volume hippocampique et la mémoire épisodique était plus élevée chez les individus présentant des niveaux de réserve cognitive inférieurs ; ceux ayant une réserve plus élevée étaient plus résistants aux effets potentiellement délétères de l'atrophie hippocampique (Vuoksimaa et al., 2013).

Cependant, la question de savoir si la réserve cognitive modère les associations entre le FE commun et la microstructure de la substance blanche n'a pas été examinée. Si les FE sont sensibles à la réserve cognitive, alors les capacités FE devraient être plus fortement associées aux mesures de neuroimagerie chez les individus ayant une faible réserve.

De tels résultats indiqueraient que les individus ayant une réserve élevée sont plus capables de conserver le même niveau d'EFabilité face à la neurodégénérescence que les individus ayant une faible réserve.

5. L'étude actuelle

Dans la présente étude, nous avons utilisé les données de la troisième vague de l'échantillon de la Vietnam Era Twin Study of Aging (VETSA) (âge moyen 68 ans) pour examiner les associations entre EF et la microstructure de la substance blanche à l'aide de 3 métriques : FW, FAFWcorr et MDFWcorr.

Nous avons prédit que les FE seraient associés de manière unique à FW dans plusieurs zones corticales de matière blanche, conformément à des travaux antérieurs (Archer et al., 2020). On en sait moins sur les associations entre les capacités spécifiques à la mémoire de travail et la substance blanche, c'est pourquoi ces analyses sont considérées comme exploratoires.

Enfin, nous avons examiné si les associations entre les FE et la substance blanche seraient modérées par une réserve cognitive basée sur les capacités cognitives générales évaluées lorsque les sujets avaient environ 20 ans (plus de 45 ans avant les évaluations des FE et de la substance blanche décrites ici) (Kremen et al., 2022).

6. Méthodes

6.1. Sujets

Les analyses de données se concentrent sur 489 jumeaux masculins ayant participé à la troisième vague du projet longitudinal VETSA. Les participants au VETSA ont été recrutés au hasard à partir d'une étude précédente menée auprès des membres du VietnamEra Twin Registry (Tsuang, Bar, Harley et Lyons, 2001).

Tous les individus ont servi dans l’armée américaine entre 1965 et 1975, mais près de 80 % d’entre eux n’ont déclaré aucune exposition au combat. Des exemples de caractéristiques sont présentés dans le tableau 1, aux côtés de statistiques descriptives pour les tests des fonctions exécutives et de notre indice de réserve cognitive.

Les participants sont généralement représentatifs des hommes américains de leur cohorte d'âge en ce qui concerne les caractéristiques de santé, d'éducation et de mode de vie (Kremen et al., 2011 ; Kremen et al., 2006 ; Schoenborn et Heyman, 2009).

Toutes les données IRM de la vague 3 ont été collectées à l'Université de Californie à San Diego (UCSD). Tous les participants ont donné leur consentement éclairé écrit avant de participer, et le protocole de l'étude a été approuvé par les comités d'examen institutionnel de toutes les institutions participantes.

6.2. Mesures

6.2.1. Fonction exécutive

Les capacités EF ont été mesurées avec 6 tâches couvrant les domaines d'inhibition de réponse prépuissante, de commutation d'ensemble de tâches et de mémoire de travail. L'inhibition a été évaluée avec la tâche Stroop (Golden et Freshwater, 2002 ; Stroop, 1935).

Le changement a été évalué à l'aide de (a) l'essai de commutation Trail MakingTest et (b) du sous-test de changement de catégorie pour la fluidité verbale du Delis-Kaplan Executive Function System (D-KEFS) (DKEFS ; Delis, Kaplan et Kramer, 2001). Toutes les mesures d'inhibition et de commutation ont été ajustées aux conditions de base appropriées. L'étendue de la mémoire de travail a été évaluée à l'aide des sous-tests de séquençage des lettres et des chiffres de l'échelle de mémoire Wechsler III (Wechsler, 1997) et du test d'étendue de lecture (Daneman et Carpenter, 1980).

Avant les analyses, tous les scores cognitifs de l'étude VETSA complète de la vague 3 ont été ajustés pour les effets de la pratique, en exploitant les données des participants au remplacement par attrition qui ont terminé la batterie de tâches pour la première fois à la vague 2 ou à la vague 3 pour estimer l'augmentation des performances attendue chez les rapatriés qui ont terminé les tests deux. ou plusieurs fois (Elman et al., 2018).

Notre modèle d'EF a été initialement validé dans les vagues 1 et 2 de VETSA (Gustavson et al., 2018a ; Gustavson et al., 2018b) et comprend 2 facteurs latents : un facteur latent « EF commun » (basé sur les performances des 6 tests) et un facteur « spécifique à la mémoire de travail » (basé sur une variance supplémentaire dans les 3 tests d'étendue de la mémoire de travail non déjà capturée par le facteur latent).

Les vagues précédentes administraient également un test supplémentaire (le test de performance continue AX), mais celui-ci n'a pas été inclus dans l'évaluation de la vague 3 en raison de contraintes de temps. Les analyses préliminaires ont indiqué que le modèle à facteurs latents de FE continuait de bien s'adapter aux données de ce sous-échantillon d'individus ayant terminé l'évaluation IRM lors de la vague 3 de VETSA. Nous n'avons donc ajusté aucun modèle de confirmation supplémentaire de FE.

De plus, notre modèle de confirmation de l'EF est étayé par une étude récente qui correspond au modèle de croissance alatente des facteurs spécifiques de l'EF commun et de la mémoire de travail dans les 3 vagues de VETSA dans l'échantillon complet (Gustavsonet al., 2022b).

6.2.2. Capacité cognitive générale (20 ans)

La capacité cognitive générale - notre indice de réserve cognitive - a été évaluée chez les jeunes adultes lorsque les participants au VETSA ont été intronisés pour la première fois dans l'armée (âge moyen de 20 ans) avec le 100- test de qualification des forces armées à choix multiples (AFQT ; Bayroff et Anderson, 1963). .

L'AFQT démontre une forte corrélation (r=0,84) avec des mesures d'intelligence telles que l'échelle d'intelligence adulte de Wechsler (Lyons et al., 2009) et se compose de 4 sous-échelles évaluant le vocabulaire, la capacité arithmétique, les connaissances en outils/mécanique et raisonnement et capacité visuo-spatiale.

Les scores AFQT sont également modérément corrélés au nombre d'années d'éducation autodéclaré (r=0,31), mais ici nous avons capitalisé sur un indice beaucoup plus précis que les années d'éducation, c'est-à-dire une mesure directe de la capacité cognitive globale de jeune adulte (Kremen et al., 2022). Les scores percentiles AFQT ont été convertis en scores. Ainsi, la moyenne de 0,34 (voir tableau 1) équivaut approximativement à un QI de 105.

6.3. Acquisition d'image

Les images ont été acquises avec deux scanners GE 3 T Discovery 750 × (GEHealthcare, Waukesha, WI, États-Unis) équipés de bobines à huit canaux à réseau phasé. Le protocole d'imagerie comprenait un volume sagittal 3D à écho de gradient rapide gâté (FSPGR) T1-pondéré (T1w) optimisé pour un contraste gris/blanc maximal (TE=3,164 msec, TR=8,084 msec, TI=600 msec, flipangle=8◦, matrice=256x192, résolution dans le plan=1x1 mm, épaisseur de tranche=1,2 mm, tranches { {19}}).

Les données de diffusion ont été acquises avec un balayage pondéré en diffusion multi-coquilles (54-directions, valeurs b=[0 (x3), 666 (x6), 1333 (x15), 2666 (x15). ), 4000 (x15)] s/mm2, intégré à une paire d'images b=0 avec polarité de codage de phase opposée, TR=6600msec, TE=81,1 msec, matrice {{ 20}}x96, résolution dans le plan=2,5x2,5 mm, épaisseur de tranche=2,5 mm, 54 tranches).

6.4. Traitement d'image

Les données ont été prétraitées à l'aide du pipeline PreQual pour corriger les distorsions/mouvements et les courants de Foucault (Cai et al., 2021 ; Schilling et al., 2019). Les données multi-shell ont ensuite été regroupées dans un seul shell (b=1333) et saisies dans DTIFIT pour calculer FA et MD pour chaque participant. Les données à coque unique ont également été saisies dans le code MATLAB pour calculer FW, FAFWcorr et MDFWcorr (Jenkinson et al., 2012 ; Pasternak et al., 2009).

En bref, ce code exploite un cadre de réseau variationnel pour diviser l’image de diffusion en un modèle bi-tenseur – l’un qui est la contamination FW et l’autre le compartiment tissulaire. De nouvelles mesures corrigées par FW (FAFWcorr, MDFWcorr) peuvent ensuite être quantifiées. Il est important de noter que la métrique FW elle-même peut également être exploitée dans l'analyse.

Une représentation spatiale standard pour les cartes FW, FAFWcorr et MDFWcorr a été créée en enregistrant de manière non linéaire l'image FA brute dérivée de DTIFIT et en appliquant cette transformation aux cartes corrigées par FW (Avants, Epstein, Grossman et Gee, 2008).

Après la standardisation, les valeurs moyennes FW, FAFWcorr et MDFWcorr ont été quantifiées dans plusieurs modèles de tractographie de la substance blanche bien établis pour chaque séance d'imagerie (Archer et al., 2019 ; Archeret al., 2020 ; Brown et al., 2017).

Ces modèles comprenaient le cingulumbundle, le fornix, le fasciculus longitudinal supérieur (SLF), le fasciculus longitudinal inférieur (ILF) et le fasciculus unciné ainsi que les connexions transcalleuses homologues du gyrus frontal inférieur (IFG) pars opercularis, IFG pars orbitalis, IFG pars triangularis, inférieur. gyrus temporal, gyrus frontal médial et gyrus frontal moyen (voir Fig. 1 pour une représentation visuelle des 11 voies).

Nous nous sommes concentrés sur cet ensemble de 11 voies corticales de matière blanche qui ont déjà été liées à la fonction exécutive et au déclin cognitif subjectif dans des études récentes (Archer et al., 2021 ; Archer et al., 2020).

De plus, nous avons inclus un dernier ensemble de mesures capturant FW, FAFWcorr et MDFWcorr dans toutes les régions de matière blanche du cerveau (y compris les voies corticales et sous-corticales) pour capturer la microstructure globale de la matière blanche et de la substance blanche, car nos travaux récents ont mis en évidence de fortes influences génétiques partagées dans toutes les régions de matière blanche. (Gustavson et coll., 2019).

6.5. L'analyse des données

Des analyses phénotypiques de corrélation et de régression ont été effectuées dans la version 8.3 de Mplus (Muth´en et Muth´en, 1998-2017), qui tient compte des observations manquantes en utilisant le maximum de vraisemblance complet. La signification des estimations de paramètres individuels a été établie avec des intervalles de confiance de 95 % basés sur l'erreur standard et confirmée par des tests de différence χ2 en fixant ce paramètre à zéro.

Les erreurs standard et le chi carré ont été ajustés pour le regroupement au sein des familles (paires de jumeaux), et les tests de différence χ2 ont été correctement mis à l'échelle en fonction des facteurs d'échelle fournis dans le résultat Mplus (Satorra et Bentler, 2001).

Pour examiner les associations entre les FE et la microstructure de la substance blanche, nous avons ajusté une série de modèles de régression dans lesquels les facteurs FE latents ont été régressés sur les mesures candidates de la substance blanche (un modèle par mesure de la substance blanche).

Les covariables suivantes ont été incluses dans toutes les analyses : âge (M=67,53, SD=2,63, plage=61,37 à 71,71), état de diabète (22,3 % de oui), état d'hypertension ( 55,6 % de oui), une variable capturant si les individus étaient hispaniques et/ou non blancs (11,7 % de oui), et deux variables capturant les différences entre les scanners (le logiciel de l'un des deux scanners a été mis à niveau au cours de l'étude, des contrastes orthogonaux ont donc été créés pour tenir compte des différences potentielles. dans les trois groupes de scanners/logiciels).

Le statut du diabète et de l'hypertension était basé sur le fait que le participant (1) avait déclaré avoir reçu un diagnostic d'un médecin, (2) avait déclaré qu'il prenait actuellement des médicaments contre le diabète ou l'hypertension artérielle, et/ou (3) avait indiqué s'il souffrait d'hypertension artérielle au moment de la naissance. jour du test (hypertension uniquement).,

Après avoir identifié les mesures de FW et de substance blanche associées aux facteurs EF, nous avons ajusté des modèles de régression supplémentaires (un pour chaque mesure) dans lesquels la capacité cognitive générale (AFQT) à 20 ans a été ajoutée au modèle.

Les deux facteurs EF ont été régressés sur les scores AFQT et un terme d'interaction a été ajouté (AFQT * mesure de diffusion) pour tout facteur EF associé à cette mesure dans les analyses antérieures.

For more information:1950477648nn@gmail.com