The human brain changes with age. However, the rate and the trajectories of change vary among the brain regions and among individuals, and the reasons for these differences are unclear. In a sample of healthy middle-aged and older adults, we examined mean volume change and individual differences in the rate of change in 12 regional brain volumes over approximately 30 months. In addition to the baseline assessment, there were two follow-ups, 15 months apart. We observed significant average shrinkage of the hippocampus, entorhinal cortex, orbital–frontal cortex, and cerebellum in each of the intervals. Shrinkage of the hippocampus accelerated with time, whereas shrinkage of the caudate nucleus, prefrontal subcortical white matter, and corpus callosum emerged only at the second follow-up. Throughout both assessment intervals, the mean volumes of the lateral prefrontal and primary visual cortices, putamen, and pons did not change. Significant individual differences in shrinkage rates were observed in the lateral prefrontal cortex, the cerebellum, and all the white matter regions throughout the study, whereas additional regions (medial–temporal structures, the insula, and the basal ganglia) showed significant individual variation in change during the second follow-up. No individual variability was noted in the change of orbital frontal and visual cortices. In two white matter regions, we were able to identify factors associated with individual differences in brain shrinkage. In corpus callosum, shrinkage rate was greater in persons with hypertension, and in the pons, women and carriers of the ApoEε4 allele exhibited declines not noted in the whole sample.

Correlated data are very common in the social sciences. Most common applications include longitudinal and hierarchically organized (or clustered) data. Generalized estimating equations (GEE) are a convenient and general approach to the analysis of several kinds of correlated data. The main advantage of GEE resides in the unbiased estimation of population-averaged regression coefficients despite possible misspecification of the correlation structure. This article aims to provide a concise, nonstatistical introduction to GEE. To illustrate the method, an analysis of selectivity effects in the Swiss Interdisciplinary Longitudinal Study on the Oldest Old is presented.

In cross-sectional age variance extraction (CAVE), age, the indicator of a hypothesized developmental mechanism, and a developmental outcome are specified as independent, mediator, and target variables, respectively, to test hypotheses about behavioral development. We show that: (a) longitudinal change in a mediator variable accounting for substantial cross-sectional age-related variance in the target variable need not correlate with the target variable's longitudinal change; and, conversely, (b) longitudinal change in a mediator not sharing cross-sectional age-related variance with the target variable may nevertheless correlate highly with that variable's longitudinal change. We discourage use of CAVE for testing multivariate hypotheses about behavioral development.

Abstract Socio-economic status (SES) has been proposed to have facilitating and protective effects on brain and cognition. Here we show that relationships between SES, brain volumes and general cognitive ability differ significantly across European and US cohorts (4-97 years, N ≈ 500,000; 54,000 with brain imaging). Education was positively related to intracranial (ICV) and total brain gray matter (GM) volume. Income was related to ICV, but not GM. Relationships varied significantly across samples, and SES was more strongly related to brain and cognition in US than European cohorts. Differences in neuroanatomical volumes explained part of the SES-cognition relationships. SES was more strongly related to ICV than to GM, implying that SES-cognition relations in adulthood are less likely grounded in neuroprotective effects on GM volume in aging. Rather, a relationship may be established early in life. The findings underscore that SES has no uniform association with, or impact on, brain and cognition.

Abstract The question of how much sleep is best for the brain attracts scientific and public interest, and there is concern that insuficient sleep leads to poorer brain health. However, it is unknown how much sleep is sufficient and how much is too much. We analyzed 51,295 brain magnetic resonnance images from 47,039 participants, and calculated the self-reported sleep duration associated with the largest regional volumes and smallest ventricles relative to intracranial volume (ICV) and thickest cortex. 6.8 hours of sleep was associated with the most favorable brain outcome overall. Critical values, defined by 95% confidence intervals, were 5.7 and 7.9 hours. There was regional variation, with for instance the hippocampus showing largest volume at 6.3 hours. Moderately long sleep (> 8 hours) was more strongly associated with smaller relative volumes, thinner cortex and larger ventricles than even very short sleep (< 5 hours), but effect sizes were modest. People with larger ICV reported longer sleep (7.5 hours), so not correcting for ICV yielded longer durations associated with maximal volume. Controlling for socioeconomic status, body mass index and depression symptoms did not alter the associations. Genetic analyses showed that genes related to longer sleep in short sleepers were related to shorter sleep in long sleepers. This may indicate a genetically controlled homeostatic regulation of sleep duration. Mendelian randomization analyses did not suggest sleep duration to have a causal impact on brain structure in the analyzed datasets. The findings challenge the notion that habitual short sleep is negatively related to brain structure. Significance statement According to consensus recommendations, adults should sleep between 7 and 9 hours to optimize their health. We found that sleeping less than the recommended amount was associated with greater regional brain volumes relative to intracranial volume, and very short sleep was only weakly related to smaller volumes. Genetic analyses did not show causal effects of sleep duration on brain structure. Taken together, the results suggest that habitual short sleep is not an important contributor to lower brain volumes in adults on a group level, and that large individual dfferences in sleep need likely exist.

Throughout adulthood and ageing our brains undergo structural loss in an average pattern resembling faster atrophy in Alzheimer's disease (AD). Using a longitudinal adult lifespan sample (aged 30-89; 2–7 timepoints) and four polygenic scores for AD, we show that change in AD-sensitive brain features correlates with genetic AD-risk and memory decline in healthy adults. We first show genetic risk links with more brain loss than expected for age in early Braak regions, and find this extends beyond APOE genotype. Next, we run machine learning on AD-control data from the Alzheimer's Disease Neuroimaging Initiative using brain change trajectories conditioned on age, to identify AD-sensitive features and model their change in healthy adults. Genetic AD-risk linked with multivariate change across many AD-sensitive features, and we show most individuals over age ~50 are on an accelerated trajectory of brain loss in AD-sensitive regions. Finally, high genetic risk adults with elevated brain change showed more memory decline through adulthood, compared to high genetic risk adults with less brain change. Our findings suggest quantitative AD risk factors are detectable in healthy individuals, via a shared pattern of ageing- and AD-related neurodegeneration that occurs along a continuum and tracks memory decline through adulthood. This study shows that among healthy adults tracked across their lives, brain atrophy rates correlate with genetic risk for Alzheimer's and memory decline, and that degeneration in Alzheimer's-vulnerable brain regions is a continuous phenomenon.

Abstract Many sleep less than recommended without experiencing daytime tiredness. According to prevailing views, short sleep increases risk of lower brain health and cognitive function. Chronic mild sleep deprivation could cause undetected sleep debt, negatively affecting cognitive function and brain health. However, it is possible that some have less sleep need and are more resistant to negative effects of sleep loss. We investigated this question using a combined cross-sectional and longitudinal sample of 47,029 participants (age 20-89 years) with measures of self-reported sleep, including 51,295 MRIs of the brain and cognitive tests. 701 participants who reported to sleep < 6 hours did not experience daytime tiredness or sleep problems. These short sleepers showed significantly larger regional brain volumes than both short sleepers with daytime tiredness and sleep problems (n = 1619) and participants sleeping the recommended 7-8 hours (n = 3754). However, both groups of short sleepers showed slightly lower general cognitive function, 0.16 and 0.19 standard deviations, respectively. Analyses using acelerometer-estimated sleep duration confirmed the findings, and the associations remained after controlling for body mass index, depression symptoms, income and education. The results suggest that some people can cope with less sleep without obvious negative consequences for brain morphometry, in line with a view on sleep need as individualized. Tiredness and sleep problems seem to be more relevant for brain structural differences than sleep duration per se. However, the slightly lower performance on tests of general cognitive function warrants closer examination by experimental designs in natural settings. Significance statement Short habitual sleep is prevalent, with unknown consequences for brain health and cognitive performance. Here we show that daytime tiredness and sleep problems are more important variables for regional brain volumes than sleep duration. However, participants sleeping < 6 hours had slightly lower scores on tests of general cognitive function. This indicates that sleep need is individual, and that sleep duration per se may be a less relevant variable for brain health than daytime tiredness and sleep problems. The association between habitual short sleep and lower scores on tests of general cogntitive function must be further scrutinized in natural settings.

Abstract Background Older persons with poor sleep are more likely to develop neurodegenerative disease, but the causality underlying this association is unclear. To move towards explanation, we examine whether sleep quality and quantity are similarly associated with brain changes across the adult lifespan. Methods Associations between self-reported sleep parameters (Pittsburgh Sleep Quality Index;PSQI) and longitudinal cortical change were tested using five samples from the Lifebrain consortium (n=2205, 4363 MRIs, 18-92 years). Analyses were augmented by considering episodic memory change, gene expression from the Allen Human Brain Atlas, and amyloid-beta (Aβ) accumulation (n=1980). Results PSQI components sleep problems and low sleep quality were related to thinning of the right lateral temporal cortex. The association with sleep problems emerged after 60 years, especially in regions with high expression of genes related to oligodendrocytes and S1 pyramidal neurons. BMI and symptoms of depression had negligible effects. Sleep problems were neither related to longitudinal change in episodic memory function nor to Aβ accumulation, suggesting that sleep-related cortical changes were independent of AD neuropathology and cognitive decline. Conclusion Worse self-reported sleep in later adulthood was associated with more cortical thinning in regions of high expression of genes related to oligodendrocytes and S1 pyramidal neurons, but not to Aβ accumulation or memory decline. The relationship to cortical brain change suggests that self-reported sleep parameters are relevant in lifespan studies, but small effect sizes, except for a few restricted regions, indicate that self-reported sleep is not a good biomarker of general cortical degeneration in healthy older adults.

Abstract In neuroimaging research, tracking individuals over time is key to understanding the interplay between brain changes and genetic, environmental, or cognitive factors across the lifespan. Yet, the extent to which we can estimate the individual trajectories of brain change over time with precision remains uncertain. In this study, we estimated the reliability of structural brain change in cognitively healthy adults from multiple samples and assessed the influence of follow-up time and number of observations. Estimates of cross-sectional measurement error and brain change variance were obtained using the longitudinal FreeSurfer processing stream. Our findings showed, on average, modest longitudinal reliability with two years of follow-up. Increasing the follow-up time was associated with a substantial increase in longitudinal reliability while the impact of increasing the number of observations was comparatively minor. On average, 2-year follow-up studies require ≈2.7 and ≈4.0 times more individuals than designs with follow-ups of 4 and 6 years to achieve comparable statistical power. Subcortical volume exhibited higher longitudinal reliability compared to cortical area, thickness, and volume. The reliability estimates were comparable to those estimated from empirical data. The reliability estimates were affected by both the cohort’s age where younger adults had lower reliability of change, and the preprocessing pipeline where the FreeSurfer’s longitudinal stream was notably superior than the cross-sectional. Suboptimal reliability inflated sample size requirements and compromised the ability to distinguish individual trajectories of brain aging. This study underscores the importance of long-term follow-ups and the need to consider reliability in longitudinal neuroimaging research.