IC‐P‐055: Mixed linear longitudinal modeling of biomarkers in ADNI
Notice bibliographique
Résumé
We wished to investigate the longitudinal trajectory of AD biomarkers of amyloid beta deposition (e.g. CSF A β), and neurodegeneration (e.g. CSF total tau; FDG PET; MRI hippocampal volumes) in the ADNI pseudo-sporadic sample. This required the application of advanced statistical analysis via linear mixed models with fixed and random effects. The fixed effects model average population trajectories, while the random effects model that of individual subjects, given different slopes and intercepts. To determine the impact of sex as a confounding factor, we introduced it as a fixed effect in the model. We selected all 134 MCI subjects from the ADNI dataset who converted to probable AD within a timeframe of three years (48 female, age at baseline: 73.6 ± 7.2; 86 male, age at baseline: 75.2 ± 6.9), as well as 219 control subjects (106 female, age 76.2 ± 4.8; 113 male, age: 75.8 ± 5.3) from the same study. We ordered all subjects based on their score on the ADAS-Cog test as a surrogate marker of time, related to disease progression. We constructed the model used for analyzing the data in two levels (within-subjects and between-subjects model). Figure 1 shows mean and individual profiles for ADAS-Cog vs. CSF A β, CSF total tau, FDG PET and hippocampal volumes, for controls and MCI having progressed to probable AD, per sex. In all cases, there were significant y- intercept differences for control and MCI subjects. For all biomarkers, there was a significant y-intercept difference between males and females in the MCI population, but no difference in the mean regression slope, whereas this situation was only statistically significant in controls for pTau.
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 | 0,022 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».