NK
Nicole Kochan
Author with expertise in Diagnosis and Management of Alzheimer's Disease
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
15
(60% Open Access)
Cited by:
1,537
h-index:
53
/
i10-index:
136
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

The Sydney Memory and Ageing Study (MAS): methodology and baseline medical and neuropsychiatric characteristics of an elderly epidemiological non-demented cohort of Australians aged 70–90 years

Perminder Sachdev et al.Jul 19, 2010
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.
0

A Multifactorial Approach to Understanding Fall Risk in Older People

Kim Delbaere et al.Sep 1, 2010
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.
0

Subjective cognitive decline and rates of incident Alzheimer's disease and non–Alzheimer's disease dementia

Rosalinde Slot et al.Dec 13, 2018
Abstract Introduction In this multicenter study on subjective cognitive decline (SCD) in community‐based and memory clinic settings, we assessed the (1) incidence of Alzheimer's disease (AD) and non‐AD dementia and (2) determinants of progression to dementia. Methods Eleven cohorts provided 2978 participants with SCD and 1391 controls. We estimated dementia incidence and identified risk factors using Cox proportional hazards models. Results In SCD, incidence of dementia was 17.7 (95% Poisson confidence interval 15.2‐20.3)/1000 person‐years (AD: 11.5 [9.6‐13.7], non‐AD: 6.1 [4.7‐7.7]), compared with 14.2 (11.3‐17.6) in controls (AD: 10.1 [7.7‐13.0], non‐AD: 4.1 [2.6‐6.0]). The risk of dementia was strongly increased in SCD in a memory clinic setting but less so in a community‐based setting. In addition, higher age (hazard ratio 1.1 [95% confidence interval 1.1‐1.1]), lower Mini–Mental State Examination (0.7 [0.66‐0.8]), and apolipoprotein E ε4 (1.8 [1.3‐2.5]) increased the risk of dementia. Discussion SCD can precede both AD and non‐AD dementia. Despite their younger age, individuals with SCD in a memory clinic setting have a higher risk of dementia than those in community‐based cohorts.
0
Citation294
0
Save
0

Prevalence and Predictors of “Subjective Cognitive Complaints” in the Sydney Memory and Ageing Study

Melissa Slavin et al.Jun 23, 2010
Objectives To document the prevalence of self- and informant report of cognitive problems, usually referred to as “subjective cognitive complaints” (SCCs), in a community-dwelling sample of older adults and to examine the relationship between SCCs and objective impairment, mood, and personality measures. Participants Eight hundred twenty-seven nondemented community-dwelling adults aged 70–90 years. Measurements Participants were asked 24 SCC questions, including the Memory Complaint Questionnaire (MAC-Q), and completed neuropsychological testing in the domains of memory, language, executive function, visuospatial skills, and psychomotor speed. The Geriatric Depression Scale, Goldberg Anxiety Scale, and Neuroticism, Openness, and Conscientiousness from the NEO-Five Factor Inventory were used as measures of participants' psychological status. Informants completed 19 SCC questions, including a modified short Informant Questionnaire on Cognitive Decline in the Elderly (IQCODE). Results Overall, 95.5% of participants or their informants endorsed at least one SCC. Although participants were more likely to endorse a memory complaint, informants seemed more accurate in endorsing a complaint when cognitive impairment was objectively present. SCC correlated with participants' scores on measures of depression, anxiety, neuroticism, and inversely with measures of openness and conscientiousness. Age, education, and sex had little impact on these effects. Regression analysis showed that psychological factors explained the number of complaints more than cognitive performance. Conclusions The usefulness of SCCs as a criterion for mild cognitive impairment is questioned because of their high prevalence and their relationship to psychological factors. This may be helpful for clinicians to bear in mind when presented with patients with cognitive complaints. To document the prevalence of self- and informant report of cognitive problems, usually referred to as “subjective cognitive complaints” (SCCs), in a community-dwelling sample of older adults and to examine the relationship between SCCs and objective impairment, mood, and personality measures. Eight hundred twenty-seven nondemented community-dwelling adults aged 70–90 years. Participants were asked 24 SCC questions, including the Memory Complaint Questionnaire (MAC-Q), and completed neuropsychological testing in the domains of memory, language, executive function, visuospatial skills, and psychomotor speed. The Geriatric Depression Scale, Goldberg Anxiety Scale, and Neuroticism, Openness, and Conscientiousness from the NEO-Five Factor Inventory were used as measures of participants' psychological status. Informants completed 19 SCC questions, including a modified short Informant Questionnaire on Cognitive Decline in the Elderly (IQCODE). Overall, 95.5% of participants or their informants endorsed at least one SCC. Although participants were more likely to endorse a memory complaint, informants seemed more accurate in endorsing a complaint when cognitive impairment was objectively present. SCC correlated with participants' scores on measures of depression, anxiety, neuroticism, and inversely with measures of openness and conscientiousness. Age, education, and sex had little impact on these effects. Regression analysis showed that psychological factors explained the number of complaints more than cognitive performance. The usefulness of SCCs as a criterion for mild cognitive impairment is questioned because of their high prevalence and their relationship to psychological factors. This may be helpful for clinicians to bear in mind when presented with patients with cognitive complaints.
0

Ninety-nine independent genetic loci influencing general cognitive function include genes associated with brain health and structure (N = 280,360)

Gail Davies et al.Aug 17, 2017
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.
0
Citation10
0
Save
0

Brain‐age prediction: Systematic evaluation of site effects, and sample age range and size

Yuetong Yu et al.Jul 1, 2024
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.
37

Normative Modeling of Brain Morphometry Across the Lifespan using CentileBrain: Algorithm Benchmarking and Model Optimization

Ruiyang Ge et al.Jan 31, 2023
Background: Normative modeling is a statistical approach to quantify the degree to which a particular individual-level measure deviates from the pattern observed in a normative reference population. When applied to human brain morphometric measures it has the potential to inform about the significance of normative deviations for health and disease. Normative models can be implemented using a variety of algorithms that have not been systematically appraised. Methods: To address this gap, eight algorithms were compared in terms of performance and computational efficiency using brain regional morphometric data from 37,407 healthy individuals (53% female; aged 3-90 years) collated from 87 international MRI datasets. Performance was assessed with the mean absolute error (MAE) and computational efficiency was inferred from central processing unit (CPU) time. The algorithms evaluated were Ordinary Least Squares Regression (OLSR), Bayesian Linear Regression (BLR), Generalized Additive Models for Location, Scale, and Shape (GAMLSS), Parametric Lambda, Mu, Sigma (LMS), Gaussian Process Regression (GPR), Warped Bayesian Linear Regression (WBLG), Hierarchical Bayesian Regression (HBR), and Multivariable Fractional Polynomial Regression (MFPR). Model optimization involved testing nine covariate combinations pertaining to acquisition features, parcellation software versions, and global neuroimaging measures (i.e., total intracranial volume, mean cortical thickness, and mean cortical surface area). Findings: Statistical comparisons across models at PFDR<0.05 indicated that the MFPR-derived sex- and region-specific models with nonlinear polynomials for age and linear effects of global measures had superior predictive accuracy; the range of the MAE of the models of regional subcortical volumes was 70-520 mm3 and the corresponding ranges for regional cortical thickness and regional cortical surface area were 0.09-0.26 mm and 24-560 mm2, respectively. The MFPR-derived models were also computationally more efficient with a CPU time below one second compared to a range of 2 seconds to 60 minutes for the other algorithms. The performance of all sex- and region-specific MFPR models plateaued at sample sizes exceeding 3,000 and showed comparable MAEs across distinct 10-year age-bins covering the human lifespan. Interpretation: These results provide an empirically benchmarked framework for normative modeling of brain morphometry that is useful for interpreting prior literature and supporting future study designs. The model and tools described here are freely available through CentileBrain (https://centilebrain.org/), a user-friendly web platform.
Load More