Neuropathologic Heterogeneity Does Not Impair Florbetapir-Positron Emission Tomography Postmortem Correlates
Notice bibliographique
Résumé
Neuropathologic heterogeneity is often present among Alzheimer disease (AD) patients. We sought to determine whether amyloid imaging measures of AD are affected by concurrent pathologies. Thirty-eight clinically and pathologically defined AD and 17 nondemented patients with quantitative florbetapir F-18 (F-AV-45) positron emission tomography (PET) imaging during life and postmortem histological β-amyloid quantification and neuropathologic examination were assessed. AD patients were divided on the basis of concurrent pathologies, including those with Lewy bodies (LBs) (n = 21), white matter rarefaction (n = 27), severe cerebral amyloid angiopathy (n = 11), argyrophilic grains (n = 5), and TAR DNA binding protein-43 inclusions (n = 18). Many patients exhibited more than 1 type of concurrent pathology. The ratio of cortical to cerebellar amyloid imaging signal (SUVr) and immunohistochemical β-amyloid load were analyzed in 6 cortical regions of interest. All AD subgroups had strong and significant correlations between SUVr and histological β-amyloid measures (p μ 0.001). All AD subgroups had significantly greater amyloid measures versus nondemented patients, and mean amyloid measures did not significantly differ between AD subgroups. When comparing AD cases with and without each pathology, AD cases with LBs had significantly lower SUVr measures versus AD cases without LBs (p = 0.002); there were no other paired comparison differences. These findings indicate that florbetapir-PET imaging is not confounded by neuropathological heterogeneity within AD.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».