Abstract Background Research suggests that cerebral small vessel disease (CSVD), amyloid, and pTau contribute to age-related cognitive decline. It remains unknown how these factors relate to one another, nor how they jointly contribute to cognitive decline in normal aging. This project examines the association between these pathologies and their relationship to cognitive decline in cognitively normal older adults without subjective cognitive decline. Methods A total of 230 subjects with CSF Aß42, CSF pTau181, white matter hyperintensities (WMHs) used as a proxy of CSVD and cognitive scores from the Alzheimer’s Disease Neuroimaging Initiative were included. Associations between each pathology and cognitive score were investigated using regression models. Furthermore, relationships between the three pathologies were also examined using regression models. Results At baseline, there was an inverse association between WMH load and Aß42 ( t =-4.20, p <.001). There was no association between WMH load and pTau (t=0.32, p=0.75), nor with Aß42 and pTau ( t =0.51, p =.61). Correcting for age, sex and education, baseline WMH load was associated with baseline ADAS-13 scores ( t =2.59, p =.01) and lower follow-up executive functioning ( t = -2.84, p =.005). Baseline Aß42 was associated with executive function at baseline ( t =3.58, p< .004) but not at follow-up ( t =1.05, p =0.30), nor with ADAS-13 at baseline (t=-0.24, p0.81) or follow-up ( t =0.09, p =0.93). Finally, baseline pTau was not associated with any cognitive measure at baseline or follow-up. Conclusion Both baseline Aß42 and WMH load are associated with some baseline cognition scores, but only baseline WMH load is associated with follow-up executive functioning, indicating that it may be one of the earliest pathologies that contributes to future cognitive decline, in cognitively healthy older adults. Given that healthy older adults with WMH pathology exhibit declines in cognitive functioning, they may be less resilient to future pathology increasing their risk for cognitive impairment due to dementia than those without WMHs.

Abstract Quality control (QC) is an important part of all scientific analysis, including neuroscience. With manual curation considered the gold standard, there remains a lack of available tools that make manual neuroimaging QC accessible, fast, and easy. In this article we present Qrater, a containerized web-based python application that enables viewing and rating of previously generated QC images. A group of raters with varying amounts of experience in QC evaluated Qrater in three different tasks: QC of MRI raw acquisition (10,196 images), QC of non-linear registration to a standard template (10,196 images) and QC of skull segmentation (6,968 images). We measured the proportion of failed images, timing and intra- and inter-rater agreement. Raters spent vastly different amounts of time on each image depending on their experience and the task at hand. QC of MRI raw acquisition was the slowest. While an expert rater needed approximately one minute, trained raters spent 2-6 minutes evaluating an image. The fastest was the curation of a skull segmentation image, where expert raters spent on average 3 seconds per image before assigning a rating. Rating agreement also varied depending on the experience of the raters and the task at hand: trained raters’ inter-rater agreement with the expert’s gold standard ranged from fair to substantial in raw acquisition (Cohen’s chance corrected kappa agreement scores up to 0.72) and from fair to excellent in linear registration (kappa scores up to 0.82), while the experts’ inter-rater agreement of the skull segmentation task was excellent (kappa = 0.83). These results demonstrate that Qrater is a useful asset for QC tasks that rely on manual curation of images.

Computerized cognitive training programs are becoming increasingly popular and practical for cognitive aging. Nevertheless, basic questions remain about the benefits of such programs, and about the degree to which participant expectations might influence training and transfer. Here we examined a commercial cognitive training program (Activate) in a 5-week double-blind, pseudo-randomized placebo-controlled trial. Based on a priori power analysis, we recruited 99 healthy older adults 59-91 years of age (M = 68.87, SD = 6.31; 69 women), assigning them to either the intervention or an active control program (Sudoku and n-back working memory exercises). We subdivided both groups into high and low expectation priming conditions, to probe for effects of participants' expectations on training and transfer. We assessed transfer using a battery of standard neuropsychological and psychosocial measures that had been agreed to by the training program developers. We planned and pre-registered our analyses (on osf.io). The majority (88%) of participants progressed through the training, and most provided positive feedback about it. Similarly, the majority (80%) of participants believed they were truly training their brains. Yet, transfer of training was minimal. Also minimal were any effects of expectations on training and transfer, although participants who received high expectation priming tended to engage more with their assigned program overall. Our findings suggest limited benefits of Activate training on cognition and psychosocial wellbeing in healthy older adults, at least under the conditions we used. Clinical Trial Registration ID #NCT02205710