Effect of Dopamine Loss and the Metabolite 3- <i>O</i> -Methyl-[ <sup>18</sup> F]Fluoro-dopa on the Relation between the <sup>18</sup> F-Fluorodopa Tissue Input Uptake Rate Constant K <sub>occ</sub> and the [ <sup>18</sup> F]Fluorodopa Plasma Input Uptake Rate Constant K <sub>i</sub>
Notice bibliographique
Résumé
Parkinson disease is characterized by the loss of dopaminergic neurons, thus decreasing the system's ability to produce and store dopamine (DA). Such ability is often investigated using 18F-fluorodopa (FD) positron emission tomography. A commonly used model to investigate the DA synthesis and storage rate is the modified Patlak graphical approach. This approach allows for both plasma and tissue input functions, yielding the respective uptake rate constants K(i) and K(occ). This method requires the presence of an irreversible compartment and the absence of any nontrapped tracer metabolite. In the case of K(occ), this last assumption is violated by the presence of the FD metabolite 3-O-methyl-[18F]fluoro-dopa (3OMFD), which makes the K(occ) evaluation susceptible to a downward bias. It was found that both K(i) and K(occ) are influenced by DA loss and thus are not pure measures of DA synthesis and storage. In the case of K(occ), the presence of 3OMFD exacerbates the effect of DA egress, thus introducing a disease-dependent bias in the K(occ) determination. These findings imply that K(i) and K(occ) provide different assessments of disease severity and that, as disease progresses, K(i) and especially K(occ) become more related to DA storage capacity and less to the DA synthesis rate.
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 | 0,022 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».