Targeted Recruitment Using Cerebrospinal Fluid Biomarkers: Implications for Alzheimer's Disease Therapeutic Trials
Notice bibliographique
Résumé
There is interest in using cerebrospinal fluid (CSF) biomarkers to enrich mild cognitive impairment (MCI) clinical trials; however, there are conflicting views on their utility. We identified MCI subjects with CSF from the Alzheimer's Disease Neuroimaging Initiative. We measured brain and hippocampal atrophy rates, ventricular expansion rates, and decline in ADAS-Cog 13 and MMSE over one year. We examined proportionate and absolute reductions in mean outcome measures. Using a CSF Aβ1-42 cut-off (192 pg/ml), we estimated sample size ratios for clinical trials based on these outcomes for targeted (i.e., low-Aβ-MCI subjects only) compared with unrestricted recruitment. We further examined sample size ratios assuming only low-Aβ-MCIs would benefit from treatment. We found that for proportionate reductions in mean outcomes targeted recruitment led to significantly smaller sample sizes for all outcomes apart from ADAS-Cog. No sample size reduction was demonstrated for outcomes based on absolute reductions. Excluding subjects who would not benefit from treatment always reduces sample sizes. Using CSF biomarkers as inclusion criteria for AD trials increases the number of subjects needing to be screened but may reduce required sample sizes and reduce the risk of exposing patients without amyloid pathology to treatment side-effects. Whether targeted recruitment reduces required sample sizes depends critically on assumptions regarding treatment effects.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,469 | 0,716 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».