参与者筛选与分组
评估不同认知轨迹群体在DTI-ALPS指数和淀粉样蛋白沉积上的差异。
从ADNI数据库中筛选同时具有基线和2年随访DTI、PET、认知评估和人口统计学数据的211名参与者。根据认知评估将参与者分为sCN、iMCI、pMCI和iAD组。
Change in Amyloid-β Deposition and Diffusion Tensor Image Analysis along the Perivascular Space Index in Incident Neurodegenerative Disease
研究为纵向队列分析,包含认知评估、影像生物标志物(DTI-ALPS、SUVR)及统计学建模(线性混合效应、中介分析),但缺乏体外或动物模型的功能验证。
ADNI参与者的纵向队列(按认知进展分为sCN、iMCI、pMCI、iAD) DTI-ALPS指数测量模型(基于DTI图像和ROI分析) 淀粉样蛋白PET成像模型(SUVR)
ADNI数据库参与者(n=211,随访2年) DTI-ALPS指数计算:4mm² ROI在投射区和联合区,公式及标准化处理 SUVR计算:18F-florbetapir PET,以全小脑为参考区,阈值1.11定义淀粉样蛋白阳性 分组定义:持续CN、新发MCI、持续MCI、新发AD 统计模型:线性混合效应模型,调整年龄、性别、教育、APOE ε4和灰质体积
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
评估不同认知轨迹群体在DTI-ALPS指数和淀粉样蛋白沉积上的差异。
从ADNI数据库中筛选同时具有基线和2年随访DTI、PET、认知评估和人口统计学数据的211名参与者。根据认知评估将参与者分为sCN、iMCI、pMCI和iAD组。
无创量化血管周围间隙的扩散性。
在投射区和联合区放置4mm²的ROI,计算沿x轴和y/z轴的平均扩散率的比率。
量化淀粉样蛋白-β沉积。
使用18F-florbetapir PET图像和PETSurfer软件,计算皮质目标区域与全小脑参考区的摄取比。
检验DTI-ALPS指数变化与认知衰退及淀粉样蛋白积累的关联,并探索可能的间接路径。
使用线性混合效应模型分析纵向变化,多重中介分析评估SUVR和灰质萎缩的作用。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 图像处理 | FSL | -- | 6.0.6 |
| MRtrix3 | -- | -- | |
| PET图像处理 | PETSurfer | -- | -- |
| T1图像处理 | FreeSurfer | -- | 7.4.1 |
| 淀粉样蛋白PET成像 | 氟贝他吡(AV45) | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 参与者筛选与分组 | 纳入标准:基线及随访时具备DTI和PET数据;分组标准:基于ADNI标准及其变化 阅读提示:Methods:Study Participants;Methods:Neuropsychological Assessment |
| DTI图像处理与DTI-ALPS指数计算 | FSL版本6.0.6,MRtrix3;ROI大小4mm²;ROI定位;DTI-ALPS计算公式 阅读提示:Methods:DTI-ALPS Index Calculation;Figure 1B |
| PET图像处理与SUVR计算 | PETSurfer;参考区:全小脑;目标皮层区域;SUVR阈值1.11 阅读提示:Methods:SUVR Calculation;Figure 1C |
| 统计分析与中介分析 | 线性混合效应模型设置;协变量:年龄、性别、教育、APOE ε4、灰质体积;多重中介分析模型 阅读提示:Methods:Statistical Analysis |