Associazioni tra capacità delle funzioni esecutive, acqua libera e microstruttura della sostanza bianca nella prima età avanzata, parte 2

Inoltre, gli studi esistenti si sono concentrati su campioni con elevate proporzioni di soggetti con MCI e/o AD, e sarà importante esaminare se queste associazioni esistono ancora quando ci si concentra su un campione più rappresentativo della popolazione (cioè, tassi di MCI più vicini a 10-15 %), o quando ci si concentra esclusivamente su adulti cognitivamente normali.

Prevenire la malattia. Pertanto, dovremmo partecipare attivamente a varie forme di esercizi fisici e cerebrali per migliorare la nostra memoria.

Innanzitutto, per migliorare la memoria, dobbiamo concentrarci sullo sviluppo di abitudini di vita sane. Mantenere un programma di sonno e una dieta regolari e abbandonare cattive abitudini come essere avidi e stare alzati fino a tardi può aiutarci a mantenere una buona salute e migliorare la concentrazione e la memoria.

In secondo luogo, dobbiamo concentrarci sull’esercizio fisico regolare e sulle varie forme di esercizio. Ad esempio, fare jogging, andare in bicicletta, nuotare, ecc. può stimolare efficacemente il cervello, favorire la circolazione sanguigna e migliorare la memoria. Inoltre, il cervello deve anche accettare varie sfide e stimoli, come risolvere enigmi, imparare nuove lingue, risolvere problemi di matematica, ecc., che possono migliorare la flessibilità e l’agilità del cervello, migliorando così la memoria.

Infine, dovremmo prestare attenzione a mantenere un umore felice ed evitare stress e ansia eccessivi. Le persone di buon umore hanno maggiori probabilità di mantenere l’acutezza cerebrale e la memoria, quindi dovremmo mantenere un atteggiamento positivo ed evitare l’influenza delle emozioni negative.

In sintesi, la memoria del soggetto è strettamente correlata a fattori quali le abitudini di vita, l'esercizio fisico e l'umore. Finché possiamo partecipare attivamente a varie forme di esercizio fisico e sfide, mantenere abitudini di vita sane e avere un atteggiamento ottimista, possiamo migliorare la nostra memoria e godere di una vita più ricca ed emozionante. Si può vedere che abbiamo bisogno di migliorare la memoria, e la Cistanche deserticola può migliorare significativamente la memoria, perché la Cistanche deserticola può anche regolare l'equilibrio dei neurotrasmettitori, come ad esempio aumentare i livelli di acetilcolina e i fattori di crescita. Queste sostanze sono molto importanti per la memoria e l'apprendimento. Inoltre, la carne può anche migliorare il flusso sanguigno e promuovere l’apporto di ossigeno, il che può garantire che il cervello riceva nutrienti ed energia sufficienti, migliorando così la vitalità e la resistenza del cervello.

Fai clic su Conosci 10 modi per migliorare la memoria

Infine, esaminando le basi neurali delle EF, abbiamo considerato il ruolo della riserva cognitiva del giovane adulto, che abbiamo definito come le risorse cognitive totali di un individuo durante la prima età adulta (Kremen et al., 2022).

Le teorie della riserva cognitiva suggeriscono che alcuni individui non presentano i deficit cognitivi o funzionali attesi in base alla loro patologia cerebrale (Barulli e Stern, 2013; Stern, 2012,2013; Whalley, Deary, Appleton e Starr, 2004), il che potrebbe manifestare associazioni ridotte tra EF e sostanza bianca (e FW) in individui con elevata riserva.

Ci concentriamo sulla giovane età adulta come un periodo in cui gli effetti dell’invecchiamento non avranno avuto sostanzialmente alcun impatto sulla capacità cognitiva. Mentre alcuni studi suggeriscono che il declino cognitivo nelle EF è sensibile alla riserva cognitiva (McKenzie et al., 2020; O'Shea et al., 2015; Roldan-Tapia, Garcia, Canovas e Leon, 2012), poche ricerche hanno esaminato se la riserva cognitiva modera le associazioni tra EF e cervello (Krch et al., 2019).

In uno studio precedente su individui dello stesso campione del presente studio, l'associazione tra volume dell'ippocampo e memoria episodica era maggiore tra gli individui con livelli inferiori di riserva cognitiva; quelli con una riserva più elevata erano più resistenti agli effetti potenzialmente deleteri dell'atrofia dell'ippocampo (Vuoksimaa et al., 2013).

Tuttavia, non è stato esaminato se la riserva cognitiva moderi le associazioni tra l’EF comune e la microstruttura della sostanza bianca. Se gli EF sono sensibili alla riserva cognitiva, allora le EFabilities dovrebbero essere maggiormente associate alle misure di neuroimaging negli individui con bassa riserva.

Tali risultati indicherebbero che gli individui con un’elevata riserva sono più capaci di mantenere lo stesso livello di capacità di EF di fronte alla neurodegenerazione rispetto agli individui con una riserva bassa.

5. Lo studio attuale

Nel presente studio, abbiamo utilizzato i dati della terza ondata del campione Vietnam Era Twin Study of Aging (VETSA) (età media 68 anni) per esaminare le associazioni tra EF e microstruttura della sostanza bianca utilizzando 3 parametri: FW, FAFWcorr e MDFWcorr.

Abbiamo previsto che gli EF sarebbero stati associati in modo univoco al FW all'interno di più tratti di materia bianca corticale, in linea con il lavoro precedente (Archer et al., 2020). Si sa meno sulle associazioni tra abilità specifiche della memoria di lavoro e materia bianca, quindi queste analisi sono considerate esplorative.

Infine, abbiamo esaminato se le associazioni tra EF e sostanza bianca sarebbero state moderate dalla riserva cognitiva basata sull'abilità cognitiva generale valutata quando i soggetti avevano circa 20 anni (oltre 45 anni prima delle valutazioni di EF e sostanza bianca qui descritte) (Kremen et al., 2022).

6. Metodi

6.1. Soggetti

Le analisi dei dati si concentrano su 489 gemelli maschi che hanno partecipato alla terza ondata del progetto longitudinale VETSA. I partecipanti al VETSA sono stati reclutati in modo casuale da un precedente studio sui membri del VietnamEra Twin Registry (Tsuang, Bar, Harley e Lyons, 2001).

Tutti gli individui hanno prestato servizio nell'esercito degli Stati Uniti tra il 1965 e il 1975, ma quasi l'80% non ha riportato alcuna esposizione al combattimento. Le caratteristiche del campione sono visualizzate nella Tabella 1, insieme alle statistiche descrittive per i test di funzione esecutiva e al nostro indice di riserva cognitiva.

I partecipanti sono generalmente rappresentativi degli uomini americani nella loro fascia di età per quanto riguarda le caratteristiche di salute, istruzione e stile di vita (Kremen et al.,2011; Kremen et al., 2006; Schoenborn & Heyman, 2009).

Tutti i dati MRI della terza ondata sono stati raccolti presso l'Università della California, San Diego (UCSD). Tutti i partecipanti hanno dato il loro consenso informato scritto prima della partecipazione e il protocollo dello studio è stato approvato dai comitati di revisione istituzionale di tutte le istituzioni partecipanti.

6.2. Le misure

6.2.1. Funzione esecutiva

Le abilità EF sono state misurate con 6 compiti che abbracciavano l'inibizione della risposta prepotente, il cambio di set di attività e i domini di estensione della memoria di lavoro. L'inibizione è stata valutata con il compito Stroop (Golden and Freshwater,2002; Stroop, 1935).

Lo spostamento è stato valutato utilizzando (a) il test di commutazione Trail MakingTest e (b) il subtest di cambio di categoria per la fluidità verbale del Delis-Kaplan Executive Function System (D-KEFS) (DKEFS; Delis, Kaplan e Kramer, 2001). Tutte le misure di inibizione e commutazione sono state aggiustate per le condizioni basali appropriate. La durata della memoria di lavoro è stata valutata con il sequenziamento dei numeri di lettere e i sottotest digitspan della Wechsler Memory Scale-III (Wechsler, 1997) e con il test dello span di lettura (Daneman e Carpenter, 1980).

Prima delle analisi, tutti i punteggi cognitivi nello studio completo VETSA wave 3 sono stati aggiustati per gli effetti della pratica, sfruttando i dati dei partecipanti sostitutivi dell'attrito che hanno completato la batteria di attività per la prima volta all'onda 2 o all'onda 3 per stimare l'aumento delle prestazioni atteso nei rimpatriati che hanno completato i test due o più volte (Elman et al., 2018).

Il nostro modello di EF è stato inizialmente convalidato nelle ondate 1 e 2 del VETSA (Gustavson et al., 2018a; Gustavson et al., 2018b) e include 2 fattori latenti: un fattore latente "EF comune" (basato sulle prestazioni in tutti e 6 i test) e un fattore "specifico della memoria di lavoro" (basato su una varianza aggiuntiva nei 3 test di intervallo della memoria di lavoro non già catturati dal fattore latente).

Nelle ondate precedenti è stato somministrato anche un test aggiuntivo (l'AXContinuous Performance Test), ma questo non è stato incluso nella valutazione dell'ondata 3 a causa di vincoli di tempo. Le analisi preliminari hanno indicato che il modello a fattori latenti dell'EF ha continuato ad adattarsi bene ai dati in questo sottocampione di individui che hanno completato la valutazione MRI nella fase 3 del VETSA, quindi non abbiamo adattato alcun ulteriore modello di conferma dell'EF.

Inoltre, il nostro modello di conferma dell'EF è supportato da un recente studio che adatta il modello di crescita latente dell'EF comune e dei fattori specifici della memoria di lavoro in tutte e 3 le ondate di VETSA nel campione completo (Gustavsonet al., 2022b).

6.2.2. Capacità cognitive generali (20 anni)

L'abilità cognitiva generale, il nostro indice di riserva cognitiva, è stata valutata in giovane età adulta quando i partecipanti al VETSA sono stati arruolati per la prima volta nell'esercito (età media 20 anni) con il 100-itemmultiple-choice Armed Forces Qualifications Test (AFQT; Bayroff e Anderson, 1963) .

L'AFQT dimostra una forte correlazione (r=0.84) con misure di intelligenza come la Wechsler Adult IntelligenceScale (Lyons et al., 2009) e consiste di 4 sottoscale che valutano il vocabolario, l'abilità aritmetica, la conoscenza di strumenti/meccanici e ragionamento e capacità visuo-spaziali.

I punteggi AFQT sono inoltre moderatamente correlati al numero di anni di istruzione autodichiarati (r=0.31), ma qui abbiamo sfruttato l'avere un indice molto più preciso rispetto agli anni di istruzione, ovvero una misura diretta dell'abilità cognitiva complessiva da giovane età adulta(Kremen et al., 2022). I punteggi percentili AFQT sono stati convertiti in punteggi. Pertanto, la media di 0,34 (vedi Tabella 1) equivale approssimativamente a un QI di 105.

6.3. Acquisizione dell'immagine

Le immagini sono state acquisite con due scanner GE 3 T Discovery 750 × (GEHealthcare, Waukesha, WI, USA) con bobine di testa Phased Array a otto canali. Il protocollo di imaging includeva un volume sagittale 3D fast spoilered gradientecho (FSPGR) pesato T1-(T1w) ottimizzato per il massimo contrasto grigio/bianco (TE=3.164 msec, TR=8.084 msec, TI=600 msec, flipangle=8◦, matrice=256x192, risoluzione nel piano=1x1 mm, spessore sezione=1.2 mm, sezioni { {19}}).

I dati di diffusione sono stati acquisiti con una scansione pesata in diffusione multi-shell (54-direzioni, valori b=[0 (x3),666 (x6), 1333 (x15), 2666 (x15 ), 4000 (x15)] s/mm2, integrato con una coppia di b=0 immagini con polarità di codifica di fase opposta, TR=6600msec, TE=81.1 msec, matrice {{ 20}}x96, risoluzione nel piano=2,5x2,5 mm, spessore sezione=2,5 mm, 54 sezioni).

6.4. Elaborazione delle immagini

I dati sono stati preelaborati utilizzando la pipeline PreQual per correggere distorsioni/movimenti e correnti parassite (Cai et al., 2021; Schilling et al., 2019). I dati multi-shell sono stati quindi sottoinsiemi in una singola shell (b=1333) e immessi in DTIFIT per calcolare FA e MD per ciascun partecipante. I dati della singola shell sono stati anche inseriti nel codice MATLAB per calcolare FW, FAFWcorr e MDFWcorr (Jenkinson et al., 2012; Pasternak et al., 2009).

In breve, questo codice sfrutta una struttura di rete variazionale per dividere l’immagine di diffusione in un modello bi-tensore: uno che è la contaminazione FW e l’altro è il compartimento tissutale. È quindi possibile quantificare le nuove metriche corrette per FW (FAFWcorr, MDFWcorr). È importante sottolineare che anche la metrica FW stessa può essere sfruttata nell'analisi.

Una rappresentazione spaziale standard per le mappe FW, FAFWcorr e MDFWcorr è stata creata registrando in modo non lineare l'immagine FA grezza derivata da DTIFIT e applicando questa trasformazione alle mappe corrette da FW (Avants, Epstein, Grossman e Gee, 2008).

In seguito alla standardizzazione, i valori medi di FW, FAFWcorr e MDFWcorr sono stati quantificati all'interno di diversi modelli di trattografia della sostanza bianca consolidati per ciascuna sessione di imaging (Archer et al., 2019; Archeret al., 2020; Brown et al., 2017).

Questi modelli includevano il cingulumbundle, il fornice, il fascicolo longitudinale superiore (SLF), il fascicolo longitudinale inferiore (ILF) e il fascicolo uncinato, nonché le connessioni transcallose omologhe del giro frontale inferiore (IFG) pars opercularis, IFG pars orbitalis, IFG pars triangularis, inferiore giro temporale, giro frontale mediale e giro frontale medio (vedere Fig. 1 per una rappresentazione visiva di tutti gli 11 tratti).

Ci siamo concentrati su questo insieme di 11 tratti di sostanza corticale bianca che sono stati precedentemente collegati alla funzione esecutiva e al declino cognitivo soggettivo in studi recenti (Archer et al.,2021; Archer et al., 2020).

Inoltre, abbiamo incluso una serie finale di misure che catturano FW, FAFWcorr e MDFWcorr in tutti i tratti di materia bianca nel cervello (compresi sia i tratti corticali che quelli subcorticali) per catturare FW globale e la microstruttura della sostanza bianca poiché il nostro recente lavoro ha evidenziato forti influenze genetiche condivise in tutti i tratti di materia bianca (Gustavson et al., 2019).

6.5. Analisi dei dati

Le analisi di correlazione e regressione fenotipica sono state condotte nella versione 8.3 di Mplus (Muth´en e Muth´en, 1998–2017), che tiene conto delle osservazioni mancanti utilizzando la massima verosimiglianza di informazioni complete. La significatività delle stime dei singoli parametri è stata stabilita con intervalli di confidenza al 95% basati sull'errore standard e confermata con test di differenza χ2 fissando tale parametro a zero.

Gli errori standard e i chi-quadrati sono stati aggiustati per il clustering all'interno delle famiglie (coppie di gemelli), e i test di differenza χ2 sono stati opportunamente scalati in base ai fattori di scala forniti nell'output di Mplus (Satorra & Bentler, 2001).

Per esaminare le associazioni tra EF e microstruttura della sostanza bianca, abbiamo adattato una serie di modelli di regressione in cui i fattori EF latenti sono stati regrediti sulle misure candidate della sostanza bianca (un modello per misura della sostanza bianca).

Le seguenti covariate sono state incluse in tutte le analisi: età (M=67.53, DS=2.63, intervallo da=61.37 a 71.71), stato del diabete (22,3% sì), stato dell'ipertensione ( 55,6% sì), una variabile che cattura se gli individui erano ispanici e/o non bianchi (11,7% sì) e due variabili che catturano le differenze dello scanner (il software di uno dei due scanner è stato aggiornato durante lo studio, quindi sono stati creati contrasti ortogonali per tenere conto delle potenziali differenze nei tre gruppi scanner/software).

Lo stato di diabete e ipertensione si basava sul fatto che il partecipante (1) riferisse di aver ricevuto la diagnosi da un medico, (2) riferisse che stava attualmente assumendo farmaci per il diabete o la pressione alta e/o (3) riferisse se aveva la pressione alta al momento della diagnosi. giorno del test (solo ipertensione).,

Dopo aver identificato quali misure di FW e sostanza bianca erano associate ai fattori EF, abbiamo adattato ulteriori modelli di regressione (uno per ciascuna misura) in cui al modello è stata aggiunta l'abilità cognitiva generale (AFQT) di 20 anni.

Entrambi i fattori EF sono stati sottoposti a regressione sui punteggi AFQT ed è stato aggiunto un termine di interazione (AFQT * misura di diffusione) per qualunque fattore EF fosse stato associato a tale misura nelle analisi precedenti.

For more information:1950477648nn@gmail.com