CC
Cynthia Carlsson
Author with expertise in Mechanisms of Alzheimer's Disease
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
12
(50% Open Access)
Cited by:
1,818
h-index:
60
/
i10-index:
144
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Gut microbiome alterations in Alzheimer’s disease

N. Vogt et al.Oct 13, 2017
Abstract Alzheimer’s disease (AD) is the most common form of dementia. However, the etiopathogenesis of this devastating disease is not fully understood. Recent studies in rodents suggest that alterations in the gut microbiome may contribute to amyloid deposition, yet the microbial communities associated with AD have not been characterized in humans. Towards this end, we characterized the bacterial taxonomic composition of fecal samples from participants with and without a diagnosis of dementia due to AD. Our analyses revealed that the gut microbiome of AD participants has decreased microbial diversity and is compositionally distinct from control age- and sex-matched individuals. We identified phylum- through genus-wide differences in bacterial abundance including decreased Firmicutes, increased Bacteroidetes, and decreased Bifidobacterium in the microbiome of AD participants. Furthermore, we observed correlations between levels of differentially abundant genera and cerebrospinal fluid (CSF) biomarkers of AD. These findings add AD to the growing list of diseases associated with gut microbial alterations, as well as suggest that gut bacterial communities may be a target for therapeutic intervention.
0
Citation1,482
0
Save
0

The effect of body mass index on global brain volume in middle-aged adults: a cross sectional study

Michael Ward et al.Dec 1, 2005
Abstract Background Obesity causes or exacerbates a host of medical conditions, including cardiovascular, pulmonary, and endocrine diseases. Recently obesity in elderly women was associated with greater risk of dementia, white matter ischemic changes, and greater brain atrophy. The purpose of this study was to determine whether body type affects global brain volume, a marker of atrophy, in middle-aged men and women. Methods T1-weighted 3D volumetric magnetic resonance imaging was used to assess global brain volume for 114 individuals 40 to 66 years of age (average = 54.2 years; standard deviation = 6.6 years; 43 men and 71 women). Total cerebrospinal fluid and brain volumes were obtained with an automated tissue segmentation algorithm. A regression model was used to determine the effect of age, body mass index (BMI), and other cardiovascular risk factors on brain volume and cognition. Results Age and BMI were each associated with decreased brain volume. BMI did not predict cognition in this sample; however elevated diastolic blood pressure was associated with poorer episodic learning performance. Conclusion These findings suggest that middle-aged obese adults may already be experiencing differentially greater brain atrophy, and may potentially be at greater risk for future cognitive decline.
0

Age-accelerated cognitive decline in asymptomatic adults with CSF β-amyloid

Lindsay Clark et al.Nov 16, 2017
ABSTRACT Objective Compare cognitive and hippocampal volume (HCV) trajectories in asymptomatic middle-aged and older adults with positive cerebrospinal fluid (CSF) markers of β-amyloid (Aβ) or tau to adults without an AD-associated biomarker profile. Method 392 adults enrolled in a longitudinal cohort study (Wisconsin Registry for Alzheimer’s Prevention or Wisconsin Alzheimer’s Disease Research Center) completed a lumbar puncture and at least two biennial or annual neuropsychological evaluations. Cutoffs for Aβ 42 , total tau, and phosphorylated tau were developed via receiver operating characteristic curve analyses on a sample of 78 participants (38 dementia, 40 controls). These cutoffs were applied to a separate sample of 314 cognitively healthy adults (mean age at CSF collection = 61.5) and mixed-effects regression analyses tested linear and quadratic interactions of biomarker group × age at each visit on cognitive and HCV outcomes. Results 215 participants (69%) were biomarker negative (preclinical AD Stage 0), 46 (15%) were Aβ+ only (preclinical AD Stage 1), 25 (8%) were Aβ+ and tau+ (preclinical AD Stage 2), and 28 (9%) were tau+ only. Both Stage 1 and Stage 2 groups exhibited greater rates of linear decline on story memory and processing speed measures, and non-linear decline on list-learning and set-shifting measures compared to Stage 0. The tau+ only group did not significantly differ from Stage 0 in rates of cognitive decline. Conclusion In an asymptomatic at-risk cohort, elevated CSF Aβ (with or without elevated tau) was associated with greater rates of cognitive decline, with the specific pattern of decline varying across cognitive measures.
0
Citation3
0
Save
0

Towards cascading genetic risk in Alzheimer’s disease

André Altmann et al.May 30, 2024
Abstract Alzheimer’s disease typically progresses in stages, which have been defined by the presence of disease-specific biomarkers: amyloid (A), tau (T) and neurodegeneration (N). This progression of biomarkers has been condensed into the ATN framework, in which each of the biomarkers can be either positive (+) or negative (−). Over the past decades, genome-wide association studies have implicated ∼90 different loci involved with the development of late-onset Alzheimer’s disease. Here, we investigate whether genetic risk for Alzheimer’s disease contributes equally to the progression in different disease stages or whether it exhibits a stage-dependent effect. Amyloid (A) and tau (T) status was defined using a combination of available PET and CSF biomarkers in the Alzheimer’s Disease Neuroimaging Initiative cohort. In 312 participants with biomarker-confirmed A−T− status, we used Cox proportional hazards models to estimate the contribution of APOE and polygenic risk scores (beyond APOE) to convert to A+T− status (65 conversions). Furthermore, we repeated the analysis in 290 participants with A+T− status and investigated the genetic contribution to conversion to A+T+ (45 conversions). Both survival analyses were adjusted for age, sex and years of education. For progression from A−T− to A+T−, APOE-e4 burden showed a significant effect [hazard ratio (HR) = 2.88; 95% confidence interval (CI): 1.70–4.89; P &lt; 0.001], whereas polygenic risk did not (HR = 1.09; 95% CI: 0.84–1.42; P = 0.53). Conversely, for the transition from A+T− to A+T+, the contribution of APOE-e4 burden was reduced (HR = 1.62; 95% CI: 1.05–2.51; P = 0.031), whereas the polygenic risk showed an increased contribution (HR = 1.73; 95% CI: 1.27–2.36; P &lt; 0.001). The marginal APOE effect was driven by e4 homozygotes (HR = 2.58; 95% CI: 1.05–6.35; P = 0.039) as opposed to e4 heterozygotes (HR = 1.74; 95% CI: 0.87–3.49; P = 0.12). The genetic risk for late-onset Alzheimer’s disease unfolds in a disease stage-dependent fashion. A better understanding of the interplay between disease stage and genetic risk can lead to a more mechanistic understanding of the transition between ATN stages and a better understanding of the molecular processes leading to Alzheimer’s disease, in addition to opening therapeutic windows for targeted interventions.
0

Modifiable risk factors moderate the relationship between amyloid and cognition in midlife

Lindsay Clark et al.Dec 4, 2017
Although evidence suggests a relationship between elevated beta-amyloid and cognitive decline, approximately 30% of older adults with positive markers of amyloid remain cognitively healthy. Our objective was to test if the presence of modifiable risk factors (i.e., central obesity, hypertension, and depressive symptoms) moderated the relationship between amyloid and longitudinal cognitive performance. Data were from 207 adults (140 females; age range=40-70) enriched for Alzheimer's disease risk (73% parental history of Alzheimer's disease) enrolled in the Wisconsin Registry for Alzheimer's Prevention study. Participants completed at least three neuropsychological evaluations and one biomarker visit ([C11]Pittsburgh Compound B PET scan or lumbar puncture). Participants were characterized as high or low on beta-amyloid using cutoffs developed for [C11]Pittsburgh Compound B-PET distribution volume ratio or CSF amyloid beta 1-42 values. Participants were also coded as high or low risk on obesity (waist circumference > 102 cm for males or 88 cm for females), hypertension (systolic blood pressure ≥ 140 mm Hg or diastolic blood pressure ≥ 90 mm Hg), and depressive symptoms (Center for Epidemiologic Studies of Depression scale ≥ 16). Linear mixed effects regression models examined three-way interactions between modifiable risk factor status x beta-amyloid status x visit age on longitudinal Verbal Learning & Memory and Speed & Flexibility factor scores. Results indicated that the relationship between beta-amyloid and Verbal Learning & Memory decline was moderated by the presence of hypertension at baseline (p = .02), presence of hypertension at all visits (p = .001), and presence of obesity at all visits (p = .049). Depressive symptoms did not moderate the association between beta-amyloid and longitudinal Verbal Learning & Memory (p = .62) or Speed & Flexibility (p = .15) performances. In this at-risk for Alzheimer's disease cohort, modifiable risk factors of hypertension and obesity moderated the relationship between beta-amyloid and cognitive decline. Identification and modification of these risk factors in late middle age may slow the effect of amyloid on the progression of cognitive symptoms.
0

Self-reported health behaviors and longitudinal cognitive performance: Results from the Wisconsin Registry for Alzheimer's Prevention

Kimberly Mueller et al.Aug 21, 2019
Background Studies have suggested associations between self-reported engagement in health behaviors and reduced risk of cognitive decline. Most studies explore these relationships using one health behavior, often cross-sectionally or with dementia as the outcome. In this study, we explored whether several individual self-reported health behaviors were associated with cognitive decline when considered simultaneously, using data from the Wisconsin Registry for Alzheimer’s Prevention (WRAP), an Alzheimer’s disease risk-enriched cohort who were non-demented and in late midlife at baseline. Method We analyzed longitudinal cognitive data from 828 participants in WRAP, with a mean age at baseline cognitive assessment of 57 (range = 36-78, sd = 6.8) and an average of 6.3 years (standard deviation = 1.9, range = 2-10) of follow-up. The primary outcome was a multi-domain cognitive composite, and secondary outcomes were immediate/delayed memory and executive function composites. Predictors of interest were self-reported measures of physical activity, cognitive activity, adherence to a Mediterranean-style diet (MIND), and interactions with each other and age. We conducted linear mixed effects analyses within an Information-theoretic (IT) model averaging (MA) approach on a set of models including covariates and combinations of these 2- and 3-way interactions. The IT approach was selected due to the large number of interactions of interest and to avoid pitfalls of traditional model selection approaches. Results Model-averaged results identified no significant modifiable behavior*age interactions in relationship to the primary composite outcome. In secondary outcomes, higher MIND diet scores associated with slower decline in executive function. Men showed faster decline than women on delayed memory, independent of health behaviors. There were no other significant interactions among any other health behaviors and cognitive trajectories. Conclusions When multiple covariates and health behaviors were considered simultaneously, there were limited weak associations with cognitive decline in this age range. These results may be explained alone or in combination by three alternative explanations: 1) the range of cognitive decline is in middle age is too small to observe relationships with health behaviors, 2) the putative associations of these health behaviors on cognition may not be robust in this age range, or 3) the self-reported measures of the health behaviors may not be optimal for predicting cognitive decline. More study may be needed that incorporates sensitive measures of health behaviors, AD biomarker profiles, and/or other disease co-morbidities.
Load More