Background: Rates of death from cardiovascular and cerebrovascular diseases have been steadily declining over the past few decades. Whether such declines are occurring to a similar degree for common disorders such as acute myocardial infarction, heart failure and stroke is uncertain. We examined recent national trends in mortality and rates of hospital admission for these 3 conditions. Methods: We analyzed mortality data from Statistic Canada's Canadian Mortality Database and data on hospital admissions from the Canadian Institute for Health Information's Hospital Morbidity Database for the period 1994–2004. We determined age- and sex-standardized rates of death and hospital admissions per 100 000 population aged 20 years and over as well as in-hospital case-fatality rates. Results: The overall age- and sex-standardized rate of death from cardiovascular disease in Canada declined 30.0%, from 360.6 per 100 000 in 1994 to 252.5 per 100 000 in 2004. During the same period, the rate fell 38.1% for acute myocardial infarction, 23.5% for heart failure and 28.2% for stroke, with improvements observed across most age and sex groups. The age- and sex-standardized rate of hospital admissions decreased 27.6% for stroke and 27.2% for heart failure. The rate for acute myocardial infarction fell only 9.2%. In contrast, the relative decline in the inhospital case-fatality rate was greatest for acute myocardial infarction (33.1%; p < 0.001). Much smaller relative improvements in case-fatality rates were noted for heart failure (8.1%) and stroke (8.9%). Interpretation: The rates of death and hospital admissions for acute myocardial infarction, heart failure and stroke in Canada changed at different rates over the 10-year study period. Awareness of these trends may guide future efforts for health promotion and health care planning and help to determine priorities for research and treatment.

Given the difficulty of procuring human brain tissue, a key question in molecular psychiatry concerns the extent to which epigenetic signatures measured in more accessible tissues such as blood can serve as a surrogate marker for the brain. Here, we aimed (1) to investigate the blood-brain correspondence of DNA methylation using a within-subject design and (2) to identify changes in DNA methylation of brain-related biological pathways in schizophrenia.We obtained paired blood and temporal lobe biopsy samples simultaneously from 12 epilepsy patients during neurosurgical treatment. Using the Infinium 450K methylation array we calculated similarity of blood and brain DNA methylation for each individual separately. We applied our findings by performing gene set enrichment analyses (GSEA) of peripheral blood DNA methylation data (Infinium 27K) of 111 schizophrenia patients and 122 healthy controls and included only Cytosine-phosphate-Guanine (CpG) sites that were significantly correlated across tissues.Only 7.9% of CpG sites showed a statistically significant, large correlation between blood and brain tissue, a proportion that although small was significantly greater than predicted by chance. GSEA analysis of schizophrenia data revealed altered methylation profiles in pathways related to precursor metabolites and signaling peptides.Our findings indicate that most DNA methylation markers in peripheral blood do not reliably predict brain DNA methylation status. However, a subset of peripheral data may proxy methylation status of brain tissue. Restricting the analysis to these markers can identify meaningful epigenetic differences in schizophrenia and potentially other brain disorders.

Analyses of gray matter concentration (GMC) deficits in patients with schizophrenia (Sz) have identified robust changes throughout the cortex. We assessed the relationships between diagnosis, overall symptom severity, and patterns of gray matter in the largest aggregated structural imaging dataset to date. We performed both source-based morphometry (SBM) and voxel-based morphometry (VBM) analyses on GMC images from 784 Sz and 936 controls (Ct) across 23 scanning sites in Europe and the United States. After correcting for age, gender, site, and diagnosis by site interactions, SBM analyses showed 9 patterns of diagnostic differences. They comprised separate cortical, subcortical, and cerebellar regions. Seven patterns showed greater GMC in Ct than Sz, while 2 (brainstem and cerebellum) showed greater GMC for Sz. The greatest GMC deficit was in a single pattern comprising regions in the superior temporal gyrus, inferior frontal gyrus, and medial frontal cortex, which replicated over analyses of data subsets. VBM analyses identified overall cortical GMC loss and one small cluster of increased GMC in Sz, which overlapped with the SBM brainstem component. We found no significant association between the component loadings and symptom severity in either analysis. This mega-analysis confirms that the commonly found GMC loss in Sz in the anterior temporal lobe, insula, and medial frontal lobe form a single, consistent spatial pattern even in such a diverse dataset. The separation of GMC loss into robust, repeatable spatial patterns across multiple datasets paves the way for the application of these methods to identify subtle genetic and clinical cohort effects.

Abstract Recent studies have demonstrated that neuroimaging data can be used to predict brain age, as it captures information about the neuroanatomical and functional changes the brain undergoes during development and the aging process. However, researchers often have limited access to neuroimaging data because of its challenging and expensive acquisition process, thereby limiting the effectiveness of the predictive model. Decentralized models provide a way to build more accurate and generalizable prediction models, bypassing the traditional data-sharing methodology. In this work, we propose a decentralized method for brain age estimation and evaluate it on three different feature sets, including both volumetric and voxelwise structural MRI data as well as resting functional MRI data. The results demonstrate that a decentralized brain age model can achieve similar performance compared to the models trained with all the data in one location.

Abstract Most psychiatric disorders are highly heritable and associated with altered brain structural and functional patterns. Data fusion analyses on brain imaging and genetics, one of which is parallel independent component analysis (pICA), enable the link of genomic factors to brain patterns. Due to the small to modest effect sizes of common genetic variants in psychiatric disorders, it is usually challenging to reliably separate disorder-related genetic factors from the rest of the genome with the typical size of clinical samples. To alleviate this problem, we propose sparse parallel independent component analysis (spICA) to leverage the sparsity of individual genomic sources. The sparsity is enforced by performing Hoyer projection on the estimated independent sources. Simulation results demonstrate that the proposed spICA yields improved detection of independent sources and imaging-genomic associations compared to pICA. We applied spICA to gray matter volume (GMV) and single nucleotide polymorphism (SNP) data of 341 unrelated adults, including 127 controls, 167 attention-deficit/hyperactivity disorder (ADHD) cases, and 47 unaffected siblings. We identified one SNP source significantly and positively associated with a GMV source in superior/middle frontal regions. This association was replicated with a smaller effect size in 317 adolescents from ADHD families, including 188 individuals with ADHD and 129 unaffected siblings. The association was found to be more significant in ADHD families than controls, and stronger in adults and older adolescents than younger ones. The identified GMV source in superior/middle frontal regions was not correlated with head motion parameters and its loadings (expression levels) were reduced in adolescent (but not adult) individuals with ADHD. This GMV source was associated with working memory deficits in both adult and adolescent individuals with ADHD. The identified SNP component highlights SNPs in genes encoding long non-coding RNAs and SNPs in genes MEF2C, CADM2, and CADPS2, which have known functions relevant for modulating neuronal substrates underlying high-level cognition in ADHD.

Abstract Recent microbiome-brain axis findings have shown evidence of the modulation of microbiome community as an environmental mediator in brain function and psychiatric illness. This work is focused on the role of the microbiome in understanding a rarely investigated environmental involvement in schizophrenia (SZ), especially in relation to brain circuit dysfunction. We leveraged high throughput microbial 16s rRNA sequencing and functional neuroimaging techniques to enable the delineation of microbiome-brain network links in SZ. N=213 SZ and healthy control (HC) subjects were assessed for the oral microbiome. Among them, 139 subjects were scanned by resting-state functional magnetic resonance imaging (rsfMRI) to derive brain functional connectivity. We found a significant microbiome compositional shift in SZ beta diversity (weighted UniFrac distance, p= 6×10 −3 ; Bray-Curtis distance p = 0.021). Fourteen microbial species involving pro-inflammatory and neurotransmitter signaling and H 2 S production, showed significant abundance alterations in SZ. Multivariate analysis revealed one pair of microbial and functional connectivity components showing a significant correlation of 0.46. Thirty five percent of microbial species and 87.8% of brain functional network connectivity from each component also showed significant differences between SZ and HC with strong performance in classifying SZ from HC, with an area under curve (AUC) = 0.84 and 0.87, respectively. The results suggest a potential link between oral microbiome dysbiosis and brain functional connectivity alteration in relation to SZ, possibly through immunological and neurotransmitter signaling pathways and the hypothalamic-pituitary-adrenal axis, supporting for future work in characterizing the role of oral microbiome in mediating effects on SZ brain functional activity.

Recent microbiome-brain axis findings have shown evidence of the modulation of microbiome community as an environmental mediator in brain function and psychiatric illness. This work is focused on the role of the microbiome in understanding a rarely investigated environmental involvement in schizophrenia (SZ), especially in relation to brain circuit dysfunction. We leveraged high throughput microbial 16s rRNA sequencing and functional neuroimaging techniques to enable the delineation of microbiome-brain network links in SZ. N = 213 SZ and healthy control subjects were assessed for the oral microbiome. Among them, 139 subjects were scanned by resting-state functional magnetic resonance imaging (rsfMRI) to derive brain functional connectivity. We found a significant microbiome compositional shift in SZ beta diversity (weighted UniFrac distance, p = 6 × 10

Inter-ethnic friendship plays a crucial role in inter-ethnic contact and serves as a significant aspect of informal interaction diversity within the realm of educational ethnic diversity. Utilizing the theoretical framework of social capital, the Poisson fixed-effect model has confirmed the beneficial impact of inter-ethnic friendships on individuals' social capital. The research revealed a significant disparity in social capital stock between students who cultivate inter-ethnic friendships and those who maintain friendships within their own ethnic group, with the former group exhibiting a 30.5% higher level of social capital. Additionally, the study identified ethnic variations in the social capital returns of inter-ethnic friendships, with minority students experiencing notably higher returns compared to Han students.