Background Changes in criteria and differences in populations studied and methodology have produced a wide range of prevalence estimates for mild cognitive impairment (MCI). Methods Uniform criteria were applied to harmonized data from 11 studies from USA, Europe, Asia and Australia, and MCI prevalence estimates determined using three separate definitions of cognitive impairment. Results The published range of MCI prevalence estimates was 5.0%–36.7%. This was reduced with all cognitive impairment definitions: performance in the bottom 6.681% (3.2%–10.8%); Clinical Dementia Rating of 0.5 (1.8%–14.9%); Mini-Mental State Examination score of 24–27 (2.1%–20.7%). Prevalences using the first definition were 5.9% overall, and increased with age (P < .001) but were unaffected by sex or the main races/ethnicities investigated (Whites and Chinese). Not completing high school increased the likelihood of MCI (P ≤ .01). Conclusion Applying uniform criteria to harmonized data greatly reduced the variation in MCI prevalence internationally.

ABSTRACT Background: The Sydney Memory and Ageing Study (Sydney MAS) was initiated in 2005 to examine the clinical characteristics and prevalence of mild cognitive impairment (MCI) and related syndromes, and to determine the rate of change in cognitive function over time. Methods: Non-demented community-dwelling individuals (N = 1037) aged 70–90 were recruited from two areas of Sydney, following a random approach to 8914 individuals on the electoral roll. They underwent detailed neuropsychiatric and medical assessments and donated a blood sample for clinical chemistry, proteomics and genomics. A knowledgeable informant was also interviewed. Structural MRI scans were performed on 554 individuals, and subgroups participated in studies of falls and balance, metabolic and inflammatory markers, functional MRI and prospective memory. The cohort is to be followed up with brief telephone reviews annually, and detailed assessments biannually. Results: This is a generally well-functioning cohort mostly living in private homes and rating their health as being better than average, although vascular risk factors are common. Most (95.5%) participants or their informants identified a cognitive difficulty, and 43.5% had impairment on at least one neuropsychological test. MCI criteria were met by 34.8%; with19.3% qualifying for amnestic MCI, whereas 15.5% had non-amnestic MCI; 1.6% had impairment on neuropsychological test performance but no subjective complaints; and 5.8% could not be classified. The rate of MCI was 30.9% in the youngest (70–75) and 39.1% in the oldest (85–90) age bands. Rates of depression and anxiety were 7.1% and 6.9% respectively. Conclusions: Cognitive complaints are common in the elderly, and nearly one in three meet criteria for MCI. Longitudinal follow-up of this cohort will delineate the progression of complaints and objective cognitive impairment, and the determinants of such change.

OBJECTIVE: To identify the interrelationships and discriminatory value of a broad range of objectively measured explanatory risk factors for falls. DESIGN: Prospective cohort study with 12‐month follow‐up period. SETTING: Community sample. PARTICIPANTS: Five hundred community‐dwelling people aged 70 to 90. MEASUREMENTS: All participants underwent assessments on medical, disability, physical, cognitive, and psychological measures. Fallers were defined as people who had at least one injurious fall or at least two noninjurious falls during a 12‐month follow‐up period. RESULTS: Univariate regression analyses identified the following fall risk factors: disability, poor performance on physical tests, depressive symptoms, poor executive function, concern about falling, and previous falls. Classification and regression tree analysis revealed that balance‐related impairments were critical predictors of falls. In those with good balance, disability and exercise levels influenced future fall risk—people in the lowest and the highest exercise tertiles were at greater risk. In those with impaired balance, different risk factors predicted greater fall risk—poor executive function, poor dynamic balance, and low exercise levels. Absolute risks for falls ranged from 11% in those with no risk factors to 54% in the highest‐risk group. CONCLUSIONS: A classification and regression tree approach highlighted interrelationships and discriminatory value of important explanatory fall risk factors. The information may prove useful in clinical settings to assist in tailoring interventions to maximize the potential benefit of falls prevention strategies.

General cognitive function is a prominent human trait associated with many important life outcomes 1,2 , including longevity 3 . The substantial heritability of general cognitive function is known to be polygenic, but it has had little explication in terms of the contributing genetic variants 4,5,6 . Here, we combined cognitive and genetic data from the CHARGE and COGENT consortia, and UK Biobank (total N=280,360; age range = 16 to 102). We found 9,714 genome-wide significant SNPs ( P <5 x 10 −8 ) in 99 independent loci. Most showed clear evidence of functional importance. Among many novel genes associated with general cognitive function were SGCZ , ATXN1 , MAPT , AUTS2 , and P2RY6 . Within the novel genetic loci were variants associated with neurodegenerative disorders, neurodevelopmental disorders, physical and psychiatric illnesses, brain structure, and BMI. Gene-based analyses found 536 genes significantly associated with general cognitive function; many were highly expressed in the brain, and associated with neurogenesis and dendrite gene sets. Genetic association results predicted up to 4% of general cognitive function variance in independent samples. There was significant genetic overlap between general cognitive function and information processing speed, as well as many health variables including longevity.

Cerebral Autosomal Dominant Arteriopathy with Subcortical Infarcts and Leukoencephalopathy (CADASIL) is a rare genetic condition with a broad phenotypic presentation. This study aims to establish the first Australian cohort of individuals affected by CADASIL (AusCADASIL) and examine its clinical features and longitudinal course, and to investigate neuroimaging and blood biomarkers to assist in early diagnosis and identify disease progression.

To study general and subdomain performance in measures of social cognition in individuals with mild cognitive impairment (MCI), and dementia, and to explore associations between social cognitive and neuropsychological subdomains.

Abstract Structural neuroimaging data have been used to compute an estimate of the biological age of the brain (brain‐age) which has been associated with other biologically and behaviorally meaningful measures of brain development and aging. The ongoing research interest in brain‐age has highlighted the need for robust and publicly available brain‐age models pre‐trained on data from large samples of healthy individuals. To address this need we have previously released a developmental brain‐age model. Here we expand this work to develop, empirically validate, and disseminate a pre‐trained brain‐age model to cover most of the human lifespan. To achieve this, we selected the best‐performing model after systematically examining the impact of seven site harmonization strategies, age range, and sample size on brain‐age prediction in a discovery sample of brain morphometric measures from 35,683 healthy individuals (age range: 5–90 years; 53.59% female). The pre‐trained models were tested for cross‐dataset generalizability in an independent sample comprising 2101 healthy individuals (age range: 8–80 years; 55.35% female) and for longitudinal consistency in a further sample comprising 377 healthy individuals (age range: 9–25 years; 49.87% female). This empirical examination yielded the following findings: (1) the accuracy of age prediction from morphometry data was higher when no site harmonization was applied; (2) dividing the discovery sample into two age‐bins (5–40 and 40–90 years) provided a better balance between model accuracy and explained age variance than other alternatives; (3) model accuracy for brain‐age prediction plateaued at a sample size exceeding 1600 participants. These findings have been incorporated into CentileBrain ( https://centilebrain.org/#/brainAGE2 ), an open‐science, web‐based platform for individualized neuroimaging metrics.

Alzheimer's disease (AD) is marked by cognitive dysfunction emerging from neuropathological processes impacting on brain function. AD affects brain dynamics at the local level, such as changes in the balance of inhibitory and excitatory neuronal populations, as well as long-range changes to the global network. Individual differences in these changes as they relate to behaviour are poorly understood. Here, we use a multi-scale neurophysiological model, The Virtual Brain (TVB), based on empirical multi-modal neuroimaging data, to study how local and global dynamics correlate with individual differences in cognition. In particular, we modelled individual resting-state functional activity of 124 individuals across the behavioral spectrum from healthy aging, to amnesic Mild Cognitive Impairment (MCI), to AD. The model parameters required to accurately simulate empirical functional brain imaging data correlated significantly with cognition, and exceeded the predictive capacity of empirical connectomes.

Parameters of water diffusion in white matter derived from diffusion-weighted imaging (DWI), such as fractional anisotropy (FA), mean, axial, and radial diffusivity (MD, AD and RD), and more recently, peak width of skeletonized mean diffusivity (PSMD), have been proposed as potential markers of normal and pathological brain ageing. However, their relative evolution over the entire adult lifespan in healthy individuals remains partly unknown during early and late adulthood, and particularly for the PSMD index. Here, we gathered and meta-analyzed cross-sectional diffusion tensor imaging (DTI) data from 10 population-based cohort studies in order to establish the time course of white matter water diffusion phenotypes from post-adolescence to late adulthood. DTI data were obtained from a total of 20,005 individuals aged 18.1 to 92.6 years and analyzed with the same pipeline for computing DTI metrics. For each individual MD, AD, RD, and FA mean values were computed over their FA volume skeleton, PSMD being calculated as the 90% peak width of the MD values distribution across the FA skeleton. Mean values of each DTI metric were found to strongly vary across cohorts, most likely due to major differences in DWI acquisition protocols as well as pre-processing and DTI model fitting. However, age effects on each DTI metric were found to be highly consistent across cohorts. RD, MD and AD variations with age exhibited the same U-shape pattern, first slowly decreasing during post-adolescence until the age of 30, 40 and 50, respectively, then progressively increasing until late life. FA showed a reverse profile, initially increasing then continuously decreasing, slowly until the 70's, then sharply declining thereafter. By contrast, PSMD constantly increased, first slowly until the 60's, then more sharply. These results demonstrate that, in the general population, age affects PSMD in a manner different from that of other DTI metrics. The constant increase in PSMD throughout the entire adult life, including during post-adolescence, indicates that PSMD could be an early marker of the ageing process.

While the economic burden imposed by dementia is well-documented, findings are mixed on health care use for those with mild cognitive impairment (MCI). Our objective was to analyse annual, non-hospital medical and pharmaceutical use patterns for older people with undiagnosed MCI and diagnosed dementia, living in the Australian community. We analysed panel data from a community sample, the Sydney Memory and Ageing Study (Australia), linked to administrative data on health care use, using two-part models to estimate the probability of using health care and the annual costs incurred by study participants. People with MCI, unaware of their diagnoses, were significantly less likely to incur annual pathology and diagnostic imaging costs relative to cognitively normal individuals. This effect was concentrated in individuals with MCI who had non-amnestic symptoms, lived alone, or had limited carer support. Compared to cognitively normal individuals, people with MCI were predicted to have slightly lower annual costs for broad medical care categories related to the management and diagnosis of cognitive impairment, and people with dementia, substantially higher professional attendances, and pharmaceutical costs. These findings were consistent across estimation models adjusting for attrition over the study. Diagnosis and symptom management in primary care may enable individuals with MCI to improve their quality of life and prevent more costly future health care use. However, our study found potential gaps in medical service use for people with undiagnosed MCI in the community, especially when they had less support or did not have memory symptoms. Primary care services may need to better diagnose and target these individuals.