A longitudinal program for biomarker development in Parkinson's disease: A feasibility study
Notice bibliographique
Résumé
Long-term follow up is necessary to understand the natural history of treated Parkinson's disease (PD). The Longitudinal and Biomarker Study in PD (LABS-PD) is an observational study designed to prospectively measure the evolution of motor and non-motor features of PD and sample promising biomarkers from early to late stage illness. LABS-PD is organized on the premise that cohorts from completed clinical trials can be re-recruited for long-term follow up. LABS-PD will eventually contain multiple cohorts, but to test the feasibility of the strategy, we examined enrollment and biomarker sampling in the initial cohorts. The first PD cohort (PostCEPT) comes from the de novo clinical trial of a mixed lineage kinase inhibitor (PRECEPT). We assessed the recruitment from PRECEPT to PostCEPT, the ability to link data from the two studies, and sample collection for a variety of biomarkers. A total of 537 of 709 eligible PRECEPT subjects (76%) enrolled in PostCEPT; 509 (95%) had repeat dopamine transporter imaging. PRECEPT clinical and imaging data were successfully linked to PostCEPT, to provide 3 to 4 year follow-up. A biomarker sub-study enrolled over 100 PD cases from PostCEPT and 100 controls to measure olfaction and blood markers of gene expression, alpha-synuclein, and proteomic profiles. We were also successful in linking clinical and biomarker data to DNA samples that have been collected in the publicly accessible Coriell repository. The PostCEPT cohort and associated studies strongly support the feasibility of the LABS-PD approach of retaining and repurposing clinical trial cohorts to collect longitudinal clinical and biomarker data.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».