Context

 The likelihood of conversion to Alzheimer disease (AD) in mild cognitive impairment (MCI) and the “optimal” early markers of conversion need to be established. 

Objectives

 To evaluate conversion rates to AD in subtypes of MCI and to identify neuropsychological measures most predictive of the time to conversion. 

Design

 Patients were followed up semiannually and controls annually. Subtypes of MCI were determined by using demographically adjusted regression norms on neuropsychological tests. Survival analysis was used to identify the most predictive neuropsychological measures. 

Setting

 Memory disorders clinic. 

Participants

 One hundred forty-eight patients reporting memory problems and 63 group-matched controls. 

Main Outcome Measure

 A consensus diagnosis of probable AD. 

Results

 At baseline, 108 patients met criteria for amnestic MCI: 87 had memory plus other cognitive domain deficits and 21 had pure memory deficits. The mean duration of follow-up for the 148 patients was 46.6 ± 24.6 months. In 3 years, 32 (50.0%) of 64 amnestic-“plus” and 2 (10.0%) of 20 “pure” amnestic patients converted to AD (P = .001). In 148 patients, of 5 a priori predictors, the percent savings from immediate to delayed recall on the Selective Reminding Test and the Wechsler Adult Intelligence Scale–Revised Digit Symbol Test were the strongest predictors of time to conversion. From the entire neuropsychological test battery, a stepwise selection procedure retained 2 measures in the final model: total immediate recall on the Selective Reminding Test (odds ratio per 1-point decrease, 1.10; 95% confidence interval, 1.05-1.14;P<.0001) and Digit Symbol Test coding (odds ratio, 1.06; 95% confidence interval, 1.01-1.11;P = .01). The combined predictive accuracy of these 2 measures for conversion by 3 years was 86%. 

Conclusions

 Mild cognitively impaired patients with memory plus other cognitive domain deficits, rather than those with pure amnestic MCI, constituted the high-risk group. Deficits in verbal memory and psychomotor speed/executive function abilities strongly predicted conversion to AD.

Summary: Purpose: To determine cumulative incidence and predictors of new‐onset seizures in mild Alzheimer's disease (AD) with a cohort followed prospectively. Limited information is available on the incidence of seizures, and no reports exist of seizure predictors in AD patients. Methods: Mild AD patients were prospectively followed at 6‐month intervals to estimate incidence of unprovoked seizures, compare age‐specific risk of unprovoked seizures with population norms, and identify characteristics at baseline (demographics, duration and severity of AD, physical and diagnostic test findings, and comorbid medical and psychiatric conditions) influencing unprovoked seizure risk. Review of study charts and medical records supplemented coded end‐point data. Results: The cumulative incidence of unprovoked seizures at 7 years was nearly 8%. In all age groups, risk was increased compared with a standard population, with an 87‐fold increase in the youngest group (age 50–59 years) and more than a threefold increase in the oldest group (age 85+ years). In multivariate modeling, independent predictors of unprovoked seizures were younger age [relative risk (RR), 0.89 per year increase in age; 95% confidence interval (CI), 0.82–0.97], African‐American ethnic background (RR, 7.35; 95% CI, 1.42–37.98), more‐severe dementia (RR, 4.15; 95% CI, 1.06–16.27), and focal epileptiform findings on electroencephalogram (EEG) (RR, 73.36; 95% CI, 1.75–3075.25). Conclusions: Seizure incidence is increased in people starting with mild‐to‐moderate AD. Younger individuals, African Americans, and those with more‐severe disease or focal epileptiform findings on EEG were more likely to have unprovoked seizures.

OBJECTIVE: This study evaluated the predictive utility of olfactory identification deficits in patients with mild cognitive impairment for follow-up diagnosis of probable Alzheimer’s disease. METHOD: Ninety outpatients with mild cognitive impairment were examined at 6-month intervals. Matched healthy comparison subjects (N=45) were examined annually. The University of Pennsylvania Smell Identification Test was given at baseline. RESULTS: Olfaction scores were lower in patients with mild cognitive impairment than in healthy comparison subjects. Seventy-seven patients were followed up; 19 were diagnosed with Alzheimer’s disease by 2 years. Patients with low olfaction scores (≤34 of 40), and patients with low olfaction scores who reported no subjective problems smelling, were more likely to develop Alzheimer’s disease than other patients. In a Cox proportional hazards model adjusted for age, sex, modified Mini-Mental State score, and education, low olfaction scores did not predict time until development of Alzheimer’s disease, but low olfaction scores accompanied by lack of awareness of olfactory deficits predicted time to development of Alzheimer’s disease. This effect remained when attention or memory measures replaced modified Mini-Mental State score in the model. In patients with high Mini-Mental State scores (≥27 of 30), low olfaction with lack of awareness remained a significant predictor of Alzheimer’s disease. Olfaction scores of 30–35 showed moderate to strong sensitivity and specificity for diagnosis of Alzheimer’s disease at follow-up. CONCLUSIONS: In patients with mild cognitive impairment, olfactory identification deficits, particularly with lack of awareness of olfactory deficits, may have clinical utility as an early diagnostic marker for Alzheimer’s disease.

Article abstract—We attempted to characterize the changes in cognition associated with the earliest, or preclinical, stages of Alzheimer9s disease (AD) by administering a comprehensive neuropsychological test battery to a group of initially nondemented older adults participating in a prospective epidemiologic study of dementia. Using Cox regression analyses, we examined the associations between baseline neuropsychological test scores and subsequent development of AD. Results confirmed preliminary findings that baseline scores on the Boston Naming Test, Immediate Recall on the Selective Reminding Test, and the Similarities subtest of the Wechsler Adult Intelligence Scale-Revised were significantly and independently associated with later diagnosis of AD. Analyses controlled for the effects of age, education, sex, and language of test administration. These results lend support to the notion of a preclinical phase of AD and indicate that this very early stage of AD is characterized by poor word-finding ability, abstract reasoning, and memory.

Background

 The utility of combining early markers to predict conversion from mild cognitive impairment (MCI) to Alzheimer's Disease (AD) remains uncertain. 

Methods

 Included in the study were 148 outpatients with MCI, broadly defined, followed at 6-month intervals. Hypothesized baseline predictors for follow-up conversion to AD (entire sample: 39/148 converters) were cognitive test performance, informant report of functional impairment, apolipoprotein E genotype, olfactory identification deficit, and magnetic resonance imaging (MRI) hippocampal and entorhinal cortex volumes. 

Results

 In the 3-year follow-up patient sample (33/126 converters), five of eight hypothesized predictors were selected by backward and stepwise logistic regression: Pfeffer Functional Activities Questionnaire (FAQ; informant report of functioning), University of Pennsylvania Smell Identification Test (UPSIT; olfactory identification), Selective Reminding Test (SRT) immediate recall (verbal memory), MRI hippocampal volume, and MRI entorhinal cortex volume. For 10% false positives (90% specificity), this five-predictor combination showed 85.2% sensitivity, combining age and Mini-Mental State Examination (MMSE) showed 39.4% sensitivity; combining age, MMSE, and the three clinical predictors (SRT immediate recall, FAQ, and UPSIT) showed 81.3% sensitivity. Area under ROC curve was greater for the five-predictor combination (.948) than age plus MMSE (.821; p = .0009) and remained high in subsamples with MMSE ≥ 27/30 and amnestic MCI. 

Conclusions

 The five-predictor combination strongly predicted conversion to AD and was markedly superior to combining age and MMSE. Combining the clinically administered measures also led to strong predictive accuracy. If independently replicated, the findings have potential utility for early detection of AD.

Abstract Tau is a hallmark pathology of Alzheimer’s disease, and animal models have suggested that tau spreads from cell to cell through neuronal connections, facilitated by β -amyloid (A β ). We test this hypothesis in humans using an epidemic spreading model (ESM) to simulate tau spread, and compare these simulations to observed patterns measured using tau-PET in 312 individuals along Alzheimer’s disease continuum. Up to 70% of the variance in the overall spatial pattern of tau can be explained by our model. Surprisingly, the ESM predicts the spatial patterns of tau irrespective of whether brain A β is present, but regions with greater A β burden show greater tau than predicted by connectivity patterns, suggesting a role of A β in accelerating tau spread. Altogether, our results provide evidence in humans that tau spreads through neuronal communication pathways even in normal aging, and that this process is accelerated by the presence of brain A β .

Delusions and hallucinations are common in Alzheimer disease (AD) and there are conflicting reports regarding their ability to predict cognitive decline, functional decline, and institutionalization. According to all previous literature, they are not associated with mortality.To examine whether the presence of delusions or hallucinations has predictive value for important outcomes in AD.A total of 456 patients with AD at early stages (mean Folstein Mini-Mental State Examination [MMSE] score of 21 of 30 at entry) were recruited and followed up semiannually for up to 14 years (mean, 4.5 years) in 5 university-based AD centers in the United States and Europe. Using the Columbia University Scale for Psychopathology in AD (administered every 6 months, for a total of 3266 visit-assessments, average of 7.2 per patient), the presence of delusions and hallucinations was extracted and examined as time-dependent predictors in Cox models. The models controlled for cohort effect, recruitment center, informant status, sex, age, education, a comorbidity index, baseline cognitive and baseline functional performance, behavioral symptoms, and use of neuroleptics and cholinesterase inhibitors.Cognitive (Columbia MMSE score of < or =20/57 [approximate Folstein MMSE score of < or =10/30]), functional (Blessed Dementia Rating Scale [parts I and II] score of > or =10), institutionalization equivalent index, and death.During the full course of follow-up, 38% of patients reached the cognitive, 41% the functional, 54% the institutionalization, and 49% the mortality end point. Delusions were noted for 34% of patients at baseline and 70% at any evaluation. Their presence was associated with increased risk for cognitive (risk ratio [RR], 1.50; 95% confidence interval [CI], 1.07-2.08) and functional decline (RR, 1.41; 95% CI, 1.02-1.94). Hallucinations were present in 7% of patients at initial visit and in 33% at any visit. Their presence was associated with increased risk for cognitive decline (RR, 1.62; 95% CI, 1.06-2.47), functional decline (RR, 2.25; 95% CI, 1.54-2.27), institutionalization (RR, 1.60; 95% CI, 1.13-2.28), and death (RR, 1.49; 95% CI, 1.03-2.14).Delusions and hallucinations are very common in AD and predict cognitive and functional decline. Presence of hallucinations is also associated with institutionalization and mortality.

Abstract Alzheimer’s Disease (AD) is a progressive neurodegenerative disease where biomarkers for disease based on pathophysiology may be able to provide objective measures for disease diagnosis and staging. Neuroimaging scans acquired from MRI and metabolism images obtained by FDG-PET provide in-vivo measurements of structure and function (glucose metabolism) in a living brain. It is hypothesized that combining multiple different image modalities providing complementary information could help improve early diagnosis of AD. In this paper, we propose a novel deep-learning-based framework to discriminate individuals with AD utilizing a multimodal and multiscale deep neural network. Our method delivers 82.4% accuracy in identifying the individuals with mild cognitive impairment (MCI) who will convert to AD at 3 years prior to conversion (86.4% combined accuracy for conversion within 1–3 years), a 94.23% sensitivity in classifying individuals with clinical diagnosis of probable AD, and a 86.3% specificity in classifying non-demented controls improving upon results in published literature.

Lowering cholesterol is associated with reduced CNS amyloid deposition and increased dietary cholesterol increases amyloid accumulation in animal studies. Epidemiologic data suggest that use of 3-hydroxy-3-methylglutaryl coenzyme A (HMG-CoA) reductase inhibitors (statins) may decrease the risk of Alzheimer disease (AD) and a single-site trial suggested possible benefit in cognition with statin treatment in AD, supporting the hypothesis that statin therapy is useful in the treatment of AD.

To estimate a regional progression pattern of amyloid deposition from cross-sectional amyloid-sensitive PET data and evaluate its potential for in vivo staging of an individual's amyloid pathology.