摘要
背景与目的生活的简单7方法被提出来定义心血管健康(CVH)指标。我们试图调查CVH的行为、生物学和遗传标记与老年人血管性脑衰老之间的关系。
方法这项以人群为基础的队列研究包括在2001年至2003年至2007年至2010年间重复进行脑MRI测量的参与者(即血管周围间隙计数、白质高强度[WMH]和灰质体积以及陷窝)。在基线时，根据生活简单7方法定义和评分整体、行为和生物CVH指标，并根据百分位数分为不利、中等和有利情况。通过计算与高血压、糖尿病或血脂异常相关的15个风险等位基因来计算代谢遗传风险评分。数据分析采用线性混合效应和Cox比例风险模型，并根据年龄、性别和教育程度进行调整。
结果研究样本包括317名参与者(年龄60岁或以上;61.8%的女性)。有利和中等(相对不利)的总体CVH曲线与较慢的WMH进展有关，β系数(95% CI)分别为−0.019(-0.035-0.002)和−0.018(-0.034-0.001)。仅在60-72岁人群中，良好和中等(与不利)的生物CVH特征与WMH增长缓慢显著相关。CVH特征与其他脑测量的进展无关。此外，更高的代谢遗传风险评分(范围:6-21)与更快的WMH增加相关(β-系数= 0.005;95% ci: 0.003-0.008)。代谢遗传风险评分与整体CVH和行为CVH在WMH积累方面的统计相互作用。更高的代谢遗传风险评分与更快的WMH积累有关，β-系数分别为0.015(0.007-0.023)，0.005(0.001-0.009)和0.003(-0.001 - 0.006)，在总体CVH分布为不利、中等和有利的人群中;相应的β系数分别为0.013(0.006 - 0.020)、0.006(0.003-0.009)和0.002(-0.002 - 0.006)。
讨论在老年人中，中等到良好的整体CVH分布与血管脑衰老缓慢有关。代谢遗传风险负荷与血管性脑衰老加速之间的关联在CVH分布不利到中等但不有利的人群中是明显的。这些发现强调了坚持良好的CVH档案的重要性，特别是健康的行为，在血管脑健康。
术语表
- 空中交通管制＝
- 解剖治疗化学;
- 通用汽车＝
- 灰质;
- CVH＝
- 心血管健康;
- pv＝
- 血管周的空间;
- SNAC-K＝
- 瑞典国家关于Kungsholmen老龄化和护理的研究;
- 单核苷酸多态性＝
- 单核苷酸多态性;
- 研究负责人＝
- 白质高强度
2010年，美国心脏协会提出了基于4个行为因素(即吸烟、体育活动、饮食习惯和体重指数)和3个生物因素(即总胆固醇、血压和空腹血糖)来定义心血管健康(CVH)的生活简单7方法。1几项队列研究发现，理想或有利的CVH指标与较慢的认知衰退和老年痴呆症风险降低有关，2，-，7这表明有利的CVH指标可能有益于老年人的大脑健康。事实上，来自北曼哈顿研究的横断面数据表明，CVH指标的良好水平与较低的白质高强度(WMH)体积、较高的总脑组织体积以及老年人无声脑梗死的可能性降低有关。8然而，关于CVH指标与脑衰老的结构测量(如WMH、血管周围空间(PVS)、陷窝和脑容量)之间的关联的纵向数据很少。9此外，基于人群的研究表明，在中年或老年早期，但在老年晚期，良好的CVH指标与认知能力下降缓慢和痴呆症风险降低有关。3.，7然而，目前尚不清楚CVH指标与大脑衰老的关系是否随年龄而变化。
先前的研究表明，代谢因子相关的易感基因，如APOE(一种血脂异常的易感基因)和王牌(高血压的易感基因)，与脑WMH和微出血的负荷有关。10，11然而，几种代谢易感基因是否聚集或同时存在可能对血管性脑衰老产生累积效应仍有待进一步研究。此外，考虑到适应健康的行为(例如，体育活动)可能部分抵消遗传易感性的有害影响(例如，APOEε4)对大脑老化和认知结果的影响12，13合理的假设是，CVH指标的良好水平可能会改变代谢易感基因与血管脑衰老的关系。然而，支持这一假设的证据仍然缺乏。
在这项基于瑞典老年人的人群队列研究中，我们旨在调查CVH指标和代谢易感基因与血管脑衰老的关系。我们假设:1)良好的CVH指标水平与较低的血管脑衰老率相关，其中这种相关性可能因年龄而异;2)较高的代谢危险因素遗传易感性与血管性脑衰老进程加快有关;3)较高的代谢遗传易感性与血管性脑衰老的关系可能在CVH指标水平较好的人群中得到部分缓解。
方法
研究设计和参与者
这是一项基于人群的队列研究。研究参与者来自基于人口的瑞典国家Kungsholmen老龄化和护理研究(SNAC-K)的核磁共振成像(MRI)子研究。14简而言之，SNAC-K是一项针对瑞典斯德哥尔摩Kungsholmen地区60岁及以上人群的老龄化和健康的多学科研究。2001-2004年，3363名60岁、66岁、72岁、78岁、81岁、84岁、87岁、90岁、93岁、96岁和99岁以上的非机构居民接受了基线检查。其中555名非残疾参与者在2001年至2003年期间接受了大脑结构MRI检查。14，15
根据SNAC-K的总体随访方案，在2007-2010年对60-72岁的参与者进行了随访，在2004-2007年和2007-2010年对78岁或以上的参与者进行了随访。14在基线的555名MRI参与者中，351名在6年内至少随访了1次MRI扫描;其中34例因图像不完整或质量不佳而被剔除(n = 4);脑梗死、脑肿瘤或蛛网膜囊肿(n = 21);可能痴呆(n = 1);或同时缺少CVH档案评分和遗传风险评分(n = 8)，留下317人进行当前分析;其中，267人的复合CVH档案(分析样本1)，284人的复合遗传评分(分析样本2)，234人的复合CVH档案和遗传评分(分析样本3)。图1显示了研究参与者的流程图。
标准方案批准、注册和患者同意
SNAC-K数据收集的所有阶段以及SNAC-K数据与患者登记册和死亡登记册的联系都得到了卡罗林斯卡学院伦理委员会或斯德哥尔摩区域伦理审查委员会的批准。在数据收集前，所有参与者均获得书面知情同意。
基线复合CVH指标的数据收集和评估
在基线时，通过面对面访谈、神经心理测试、临床检查、实验室测试以及与瑞典国家患者登记册和死亡登记册的联系收集人口统计学数据(年龄、性别和教育程度)、生活方式(如吸烟和体育活动)、心脏代谢危险因素(如高血压、血脂异常和糖尿病)、健康状况和药物使用情况。14所有药物根据解剖治疗化学(ATC)分类系统进行分类和编码。
在SNAC-K中定义和分类CVH指标的操作方法之前已经详细描述过。7简而言之，我们根据美国心脏协会提出的生活简单7方法，将7个CVH指标分别定义和分类为差(得分= 0)、中等(得分= 1)和理想(得分= 2)水平。1通过改变吸烟状况、饮食和血糖水平，7根据我们项目中现有的数据。我们将吸烟状况分为目前吸烟、过去5年停止吸烟、5年前停止吸烟或从未吸烟。我们将身体活动分为身体不活动(从不或每月≤3次)、轻度运动(例如，散步、短时间骑自行车、轻度有氧运动或体育课，每周至少打一次高尔夫球)和中等至高强度运动(例如，快走、慢跑、繁重的园艺工作、长时间骑自行车、高强度有氧运动或体育课、滑冰、滑雪、游泳和球类运动或每周至少一次类似活动)。我们根据98项半定量食物频率问卷评估饮食习惯，其中包括过去一年每种食物的摄入频率。16体重指数的计算方法为体重(kg)除以身高(m)的平方。用血压计在左臂坐着时测量两次动脉血压，取两次读数的平均值进行分析。首先测量非空腹总血清胆固醇，如果非空腹总胆固醇高于6.5 mmol/L，则测量空腹总胆固醇，并使用两种测量值的平均值进行分析。糖化血红蛋白A1c (HbA1c)采用瑞典single - s高效液相色谱法测定，根据国家糖化血红蛋白标准化计划，糖化血红蛋白添加1.1%以符合国际标准。17糖尿病诊断为HbA1c≥6.5%，目前正在使用降糖药(ATC代码:A10)或在国家患者登记册中有糖尿病记录。前驱糖尿病被定义为在无糖尿病的参与者中HbA1c水平在5.7%-6.5%之间。7eTable 1,links.lww.com/WNL/C361，给出了7个CVH指标的定义和分数的详细描述。
我们通过将4种健康行为(吸烟状况、体育活动、饮食和体重指数)的得分相加来估计行为指标得分(SNAC-K总样本的得分范围:0-8)，并通过将3种生物健康因素(血压、总胆固醇和血糖)的得分相加来估计生物指标得分(SNAC-K总样本的得分范围:0-6)。总体CVH指标得分(SNAC-K总样本的得分范围:0-14)是通过将行为和生物CVH指标的得分相加来估计的。然后，根据SNAC-K总样本中基线参与者各自复合CVH指标评分的百分位数，我们将他们分为不利(低百分位数)、中等(中等百分位数)和有利(高百分位数)。7
代谢遗传风险评分评估
DNA是从全血样本中提取的。在卡罗林斯卡研究所突变分析设施的Sequenom MassARRAY平台上使用MALDI-TOF分析进行基因分型。18总的来说，在SNAC-K中对103个与衰老、心血管风险和长寿的认知表型潜在相关的单核苷酸多态性(SNPs)进行了基因分型。我们从这些snp中选择了15个snp来估计代谢遗传风险评分。所选择的snp与高血压、血脂异常和糖尿病相关，这与生命简单7方法中的3个生物健康指标相对应，基于之前的全基因组关联研究、精细映射分析或荟萃分析的结果，否则来自至少2个不同的原始研究(即:LIPCrs1800588和LDLRr5930为血脂异常易感基因)(表2，links.lww.com/WNL/C361)．所有基因型的分布均符合Hardy-Weinberg平衡(p> 0.05)。代谢遗传风险评分是通过将与高血压、血脂异常或糖尿病相关的单核苷酸多态性的风险等位基因数量相加来创建的。19APOE基因型由rs429358和rs7412确定，ε4等位基因数计算(得分范围:0-2)。我们将代谢遗传风险评分按分值分为低、中、高代谢遗传风险负荷。
MRI测量的获取与评价
所有符合条件的参与者都在1.5T的系统上进行了脑部MRI扫描(Philips Intera，荷兰)。基线和所有后续MRI检查均使用相同的扫描仪和相同的参数。15核心序列包括MPRAGE t1加权序列(分辨率:0.94 × 0.94 × 1.5 mm;没有差距;重复时间15 ms;回声时间，7 ms;翻转角度，15°)，质子密度/ t2加权序列(分辨率:0.98 × 0.98 × 3 mm;没有差距;重复时间3995 ms;回声时间，18/90 ms;回波列长度，6;反转角度90°)，以及流体衰减反演恢复(FLAIR)序列(分辨率:0.90 × 0.90 × 5 mm; gap: 1 mm; repetition time, 6,000 ms; echo time, 100 ms; echo train length, 21; flip angle 90°).
如先前报道，一名训练有素的评分员(Y.L.)在一名高级神经成像分析师(G.K.)的监督下对PVS和陷窝进行了视觉评估。15简而言之，PVS是指围绕动脉、小静脉和毛细血管的充满液体的腔，因为它们从蛛网膜下腔穿过脑实质。PVS可视为垂直成像时直径在3mm以内的脑脊液强度，平行于穿孔血管路径成像时呈线性。9在额叶、顶枕叶、小脑、中脑、海马区采用轴向T2加权序列进行PVS计数，在基底节区和岛下区采用轴向T1加权序列进行计数，因为T1图像与背景组织的强度对比较T2图像更强。对于每个区域，根据经过验证的协议，将PVS记录在数量最高的切片中。20.全球PVS计数是两个半球所有上述区域PVS计数的总和。血管起源的陷疮表现为穿孔小动脉区域内直径3 - 15mm的圆形或卵形充液腔。9利用FLAIR和轴向t2 -加权图像记录陷窝的数量和位置。我们将普遍陷疮定义为基线时发现的任何陷疮。我们认为任何新出现的陷窝在后续图像检测为事件陷窝。在初次评估后一个月，评分者(Y.L.)对随机选择的30张脑图像进行重新评估，得出总体PVS计数的相关系数为0.91，陷窝的加权κ为0.81(腔内可靠性)。15
高级神经成像分析师(G.K.)在FLAIR图像上手动绘制WMH，并在相应的t1加权图像上进一步插值，以补偿FLAIR切片之间的间隙，使用MRIcron (nitrc.org/projects/mricron)．21然后，在MRIcron中自动估计全球WMH体积，并由于其右偏分布而进行对数转换。采用统计参数映射(SPM -统计参数映射(ucl.ac.uk))。14用线性回归方法调整GM体积与颅内总体积。22我们没有使用总颅内容量来调整WMH容量，因为对数变换后的WMH容量与总颅内容量无关。
统计分析
使用连续变量的一般线性模型和χ比较研究参与者不利、中等和有利的总体CVH分布的基线特征2测试分类变量。在分析样本1中，我们使用线性混合效应模型评估了连续脑测量(即WMH体积、PVS计数和GM体积)中CVH轮廓与年度变化(与CVH轮廓相关的β系数×随访时间[年])的相关性。这些连续的大脑变量在随访期间的线性变化在之前的报告中得到了验证。15我们使用Cox比例风险模型评估了CVH剖面与事件陷窝的关系。然后，使用线性混合效应模型测试了CVH概况、年龄组(60-72岁vs 78岁或以上)和大脑测量随访时间的3项相互作用。同样，在分析样本2中，我们使用线性混合效应模型检验了连续脑测量的代谢遗传风险评分与年度进展(代谢遗传风险评分的β系数×随访时间)的相关性。我们使用Cox比例风险模型评估了代谢遗传风险评分与发生陷窝的相关性。接下来，在分析样本3中，我们使用线性混合效应模型检查了代谢遗传风险评分、CVH谱和连续脑测量变化的随访时间的3项相互作用。当检测到统计相互作用时(p相互作用<0.05)，我们进一步通过CVH谱进行分层分析，以评估代谢遗传风险评分和结构脑测量之间的关联方向和量级。在敏感性分析中，给出了明显的效果APOE大脑衰老的基因，11我们通过排除重复上述分析APOE基因来源于代谢遗传风险评分。此外，为了评估大脑衰老的遗传易感性本身对结果的影响，我们进一步调整了大脑衰老的综合遗传风险评分，该评分由我们数据集中可用的15个snp生成，这些snp可能与大脑衰老的MRI标记物(例如WMH、PVS和脑萎缩)有关。所有分析均使用Stata统计软件:Release 16.0 for Windows (StataCorp LLC, College Station, TX, USA)。
数据可用性
本研究所依据的数据来自基于人口的SNAC-K项目(snac-k.se /)．在瑞典斯德哥尔摩卡罗林斯卡学院老龄化研究中心的SNAC-K数据管理和维护委员会的合理要求和批准下，可以访问这些匿名的SNAC-K数据。
结果
研究参与者基线特征
在SNAC-K的3363名参与者中，555人在基线时进行了大脑MRI扫描。与未进行MRI扫描的人相比(n = 2808)，进行MRI扫描的人更年轻(平均年龄:71.2岁vs 75.4岁，p< 0.001)，受教育程度更高(大学学历:41.0% vs 30.7%，p< 0.001)，男性的可能性更大(41.8% vs 33.8%，p= 0.001)。基线时，在分析样本1的267名参与者中，总体CVH指标评分范围为2至13，平均评分为7.91(标准偏差[SD] = 1.89)。总体CVH状况不佳、中等和良好的参与者的平均总体CVH指标评分(SD)分别为5.31(0.86)、7.50(0.50)和9.78(0.95)。全球CVH档案在平均年龄、性别分布和教育程度上无显著差异(表1)．在分析样本2中，284名参与者可获得代谢遗传风险评分，评分范围为6至21分(平均评分= 13.03;Sd = 2.39)。
CVH谱与血管性脑衰老标志物的相关性(分析样本1,N = 267)
平均随访时间为5.47年(SD = 0.90)。更高的整体和行为CVH指标评分与整体WMH量的更快增长相关(p< 0.01,表2)．当将CVH指标评分按次元进行分类时，中间值和有利值(vs不利值)的全球CVH分布与全球WMH体积的较少年度增长显著相关(p< 0.05);中间但不有利的行为CVH特征与WMH体积的缓慢进展显著相关(p< 0.001,表2)．总体和行为性CVH剖面与PVS计数、GM体积或陷窝发生率的年度变化无显著相关性(表2)．对于生物CVH剖面，中间和有利(vs不利)剖面与较慢的GM萎缩显著相关(表2)．
我们检测到生物CVH指标评分、年龄组(60-72岁vs 78岁或以上)和WMH体积变化的随访时间之间的边际统计交互作用(p交互作用= 0.062)。按年龄组分层分析表明，在60-72岁人群中，生物CVH指标评分每增加1分，WMH积累速度就会减慢(β-系数=−0.007;95%置信区间−0.013 ~ 0.000;p= 0.042)，但在78岁及以上的人群中没有(0.008;−0.004 ~ 0.019)。作为一个分类变量，在60-72岁的人群中，中等和良好(vs .不利)的生物CVH特征与WMH随时间的缓慢积累显著相关，但在78岁或以上的人群中则没有(图2)．
代谢遗传风险负荷与血管性脑衰老标志物的相关性(分析样本2,N = 284)
随着时间的推移，较高的代谢遗传风险评分与WMH的快速积累显著相关(p< 0.001,表3)．代谢遗传风险评分与PVS计数、GM体积和陷窝年度进展之间无显著相关性(表3)．将代谢遗传风险评分按等级分类时，高遗传风险负荷(相对于低遗传风险负荷)与WMH进展更快相关(p对于线性趋势= 0.002，表3)．中等遗传风险负荷(相对于低)也与快速的GM萎缩有关(p< 0.05,表3)．去除后，代谢遗传风险负荷与WMH和GM体积之间的相关性仍然显著APOE来自代谢遗传风险评分的基因(数据未显示)。此外，对大脑衰老综合遗传风险评分的额外调整并没有对观察到的关联产生实质性影响(数据未显示)。
通过CVH谱水平分析代谢遗传风险负荷与WMH进展的关系(分析样本3,N = 234)
我们检测了总体和行为CVH指标评分与代谢遗传风险评分在WMH年度进展中的统计相互作用(p对于两种相互作用= 0.001)。较高的代谢遗传风险评分与总体CVH状况不佳和中等的人群WMH进展较快相关，但与总体CVH状况良好的人群无关(图3一)．类似地，代谢遗传风险负荷的增加与不良行为CVH和中度行为CVH的人群中WMH的快速增加显著相关，但在行为CVH良好的人群中则不是这样(图3 b)．即使在去除后，CVH概况与代谢遗传风险评分的统计相互作用仍然显著APOE基因来自遗传风险评分或进一步调整大脑衰老的综合遗传风险评分(数据未显示)。
讨论
在这项基于瑞典老年人的人群队列研究中，我们调查了CVH谱与代谢危险因素遗传易感性与血管脑衰老标记物的关系。我们发现(1)中等到良好(vs .不利)的整体CVH分布与较慢的整体WMH进展相关;(2)中等或良好的生物CVH特征与60-72岁人群整体WMH进展较慢有关，但在78岁及以上人群中没有;(3)较高的代谢危险因素遗传易感性与较快的整体WMH积累相关，而这种关联在整体和行为CVH特征良好的人群中不明显。
我们的研究结果强调了良好的CVH在维持老年人血管脑健康中的潜在作用。然而，弗雷明汉心脏研究的中年人(45岁或以上)后代队列并未发现理想的复合CVH指标与较慢的WMH积累之间的关联，4这与我们对老年人的研究不同。与老年人相比，中年人通常有较轻的WMH负担，这可能是造成这种差异的部分原因。此外，弗雷明汉后代研究发现，理想的复合CVH指标与10年内较慢的脑萎缩有关，这表明长期随访期对于了解与脑萎缩的关系可能至关重要。来自英国基于人群的横断面研究的数据显示，健康的行为因素(如正常的体重指数和有规律的体育活动)与低WMH负担相关，23支持良好的行为CVH特征在维持血管脑健康中的潜在作用。这与我们的发现一致。高血压和糖尿病已知与WMH加速积累有关。24，25这些心脏代谢危险因素可以重塑脑血管结构，从而限制血液流动，促进动脉硬化，减少大脑的氧气和葡萄糖。26，27因此，有利的生物CVH特征与血管性脑健康相关，这在生物学上是合理的。我们没有发现CVH配置文件与年度PVS变化的任何关联。同样，既往基于人群的研究表明心血管危险因素与PVS无关，提示潜在的非血管致病机制可能是PVS发生的基础。28，29
中等到良好的生物CVH特征与血管脑健康的关系似乎随着年龄的增长而逆转。这与之前的一项研究相一致，该研究表明高血压和WMH之间存在年龄差异。30.有几个原因可能在一定程度上导致了年龄的变化。首先，在SNAC-K队列中，收缩压随年龄增加直到~ 80岁，然后下降，而舒张压随着年龄不断下降。31同样，中年以后，血清总胆固醇也随着年龄的增长而下降。32这些危险因素的年龄差异可能导致从中年到晚年对大脑健康的不同影响。此外，基于社区的研究报告了低水平血压和低密度脂蛋白胆固醇与老年WMH体积增加的相关性。33，-，35考虑到脑灌注的自我调节随着年龄的增长而降低，在高龄人群中系统性低灌流可能伴有脑低灌流，36这可能引起脑缺血和白质脱髓鞘。37此外，晚年总胆固醇低与神经元髓鞘结构和突触功能受损有关，这也可能加速大脑衰老过程。38最后，考虑到高血压、总胆固醇和空腹血糖水平与心血管事件和老年死亡率增加有关，39选择性生存偏倚也可能削弱高龄成人的生物CVH特征与血管性脑衰老之间的联系。
全基因组关联研究表明，高血压的遗传易感性与WMH负担的增加有关。40同样，一项基于单卵双胞胎的队列研究(平均年龄~ 70岁)表明，共同的遗传易感性可以解释复合心血管危险因素负担(使用Framingham心血管风险评分评估)和WMH负荷之间高达83%的相关性。41这些数据与我们的发现一致，即较高的代谢遗传风险负荷与WMH负担的增加有关。值得注意的是，我们的数据进一步表明，代谢遗传风险负荷和WMH负荷之间的关联独立于脑衰老标记物(如WMH、PVS和脑萎缩)的共同遗传易感性。
值得注意的是，我们的研究表明，代谢遗传易感与WMH进展的相关性在CVH状况不佳或中等的人群中是明显的，但在CVH状况良好的人群中，尤其是健康行为CVH状况的人群中则不明显。这种现象以前没有报道过，但与健康的行为可以抵消心脏代谢遗传危险因素的有害影响，从而减缓血管性脑衰老的进程的观点是一致的。42，43考虑到公共卫生的相关性，这一重要发现值得在不同人群的大规模研究中进一步调查。
本研究的主要优势是基于人群的纵向设计，将综合CVH指标评估和心脏代谢危险因素的遗传数据与纵向结构脑MRI数据结合起来。然而，我们的研究也有局限性。首先，我们的样本相对较小。因此，统计力量可能不够大，不足以检测轻度到中等强度的关联。这些发现需要在不同人群的大规模队列研究中验证。其次，在随访中缺乏复合CVH档案，不允许我们调查动态CVH档案与大脑衰老的关系。第三，由于缺乏相关的MRI序列或成像分辨率有限，一些血管性脑衰老的影像学标志物(如脑微出血和微梗死)无法获得。第四，与整个SNAC-K样本相比，MRI样本相对更健康，这可能导致低估复合CVH谱与血管脑衰老之间的关联。最后，研究队列来自斯德哥尔摩市中心的一个地理区域，那里的人具有相对较高的教育和较高的社会经济地位。在将我们的发现推广到基因和社会经济多样化的人群时，应该记住这一点。
这项基于瑞典老年人的人群队列研究表明，中等到良好的整体CVH分布与血管脑衰老的缓慢进展相关，这种中等到良好的生物CVH分布的好处仅在老年早期明显。此外，良好的CVH特征，特别是CVH特征中的健康行为，可以减缓因遗传易感代谢危险因素而导致的血管脑老化加速。这些发现强调了坚持良好的CVH档案对老年大脑健康的重要性。多领域干预研究可能有助于进一步阐明在老年人中坚持良好的CVH档案，特别是健康行为因素，是否有助于实现健康的大脑老化。
研究资金
SNAC-K得到瑞典卫生和社会事务部、斯德哥尔摩县议会和市政当局的支持，部分还得到瑞典斯德哥尔摩瑞典研究理事会的额外赠款。
信息披露
所有作者声明与本工作没有任何利益冲突。李毅中获得了中国国家留学基金委(中国国家留学基金委)资助的部分奖学金。: 201906220042);E.J. Laukka获瑞典研究委员会资助(资助编号:;: 2017-01759, 2020-01030, 2021-06502);S. Dekhtyar获得了瑞典健康、工作生活和福利研究委员会(FORTE;批准号:2019-01076);G.帕彭伯格从瑞典央行(Riksbankens Jubileumsfond)获得资助(批准号:项目编号:P20-0779)和瑞典研究委员会(批准号:;: 2019 - 02804);a . Speh得到了Stiftelsen Dementia的津贴支持;G. Kalpouzos获得了瑞典研究委员会的一项资助(批准号:;: 2021 - 02338);L. Fratiglioni获得了瑞典研究委员会的资助(批准号:;：2017-06088) and the Swedish Research Council for Health, Working Life, and Welfare (Grant No.: 2016-07175); C. Qiu received grants from the Swedish Research Council (Grants No.: 2017-00740, 2017–05819, and 2020-01574), the Swedish Foundation for International Cooperation in Research and Higher Education (STINT, Grant No.: CH2019-8320) for the Joint China-Sweden Mobility program, and the Karolinska Institutet (Grants No.: 2018-01854 and 2020-01456), Stockholm, Sweden. The funding agencies had no role in the study design, data collection and analyses, writing of this manuscript, or in the decision to submit the work for publication. Go to首页Neurology.org/N全面披露。
鸣谢
作者要感谢所有SNAC-K参与者和SNAC-K研究小组的所有工作人员在数据收集和管理方面的合作。
附录的作者
脚注
去首页Neurology.org/N全面披露。作者认为相关的资金信息和披露(如果有的话)将在文章末尾提供。
文章处理费由瑞典研究委员会(VR)资助。
提交并经外部同行评审。处理编辑是José梅里诺，医学博士，哲学硕士，FAAN。
- 收到了2022年2月10日。
- 最终接受2022年8月19日。
- 版权所有©2022由Wolters Kluwer健康公司代表美国神经病学学会出版。首页
这是一篇开放获取的文章，根据创作共用署名许可4.0 (CC BY)它允许在任何媒介上不受限制地使用、传播和复制，前提是正确地引用原始作品。
参考文献
信件:快速在线通信
需求
如果你要上传关于文章的信件:
您必须在六个月内更新您的披露:http://submit.首页neurology.org
您的合著者必须发送一份完整的出版协议表格来首页(对于主要/通讯作者不需要填写以下表格即可)，然后再上传您的评论。
如果你在回复一篇关于你最初撰写的文章的评论:
您(和共同作者)不需要填写表格或检查披露，因为作者表格仍然有效
并适用于信件。
提交规格:
- 文章必须少于200字，参考文献少于5篇。参考文献1必须是你所评论的文章。
- 投稿者不得超过5人。(例外:原作者回复可以包括文章的所有原作者)
- 只可提交发稿日起6个月内发表的文章。
- 不要冗余。在提交之前阅读文章上已经发布的任何评论。
- 提交的意见在发表前须经过编辑和编辑审查。
