MétaCan
Menu
Retour à la cohorte
Enregistrement W2081840097 · doi:10.1172/jci69411

Metabolic network as a progression biomarker of premanifest Huntington’s disease

2013· article· en· W2081840097 sur OpenAlexafffund
Chris C. Tang, Andrew Feigin, Yilong Ma, Christian Habeck, Jane S. Paulsen, Klaus L. Leenders, Laura K. Teune, Joost C.H. van Oostrom, Mark Guttman, Vijay Dhawan, David Eidelberg

Notice bibliographique

RevueJournal of Clinical Investigation · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueGenetic Neurodegenerative Diseases
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeUniversity of California, San DiegoUniversity of TorontoCHDI FoundationNational Institutes of HealthPfizer
Mots-clésMedicineHuntington's diseasePutamenBiomarkerMetabolic networkCohortDiseaseInternal medicineNeuroimagingImaging biomarkerOncologyPathologyBioinformaticsMagnetic resonance imagingBiologyRadiologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The evaluation of effective disease-modifying therapies for neurodegenerative disorders relies on objective and accurate measures of progression in at-risk individuals. Here we used a computational approach to identify a functional brain network associated with the progression of preclinical Huntington's disease (HD). METHODS: Twelve premanifest HD mutation carriers were scanned with [18F]-fluorodeoxyglucose PET to measure cerebral metabolic activity at baseline and again at 1.5, 4, and 7 years. At each time point, the subjects were also scanned with [11C]-raclopride PET and structural MRI to measure concurrent declines in caudate/putamen D2 neuroreceptor binding and tissue volume. The rate of metabolic network progression in this cohort was compared with the corresponding estimate obtained in a separate group of 21 premanifest HD carriers who were scanned twice over a 2-year period. RESULTS: In the original premanifest cohort, network analysis disclosed a significant spatial covariance pattern characterized by progressive changes in striato-thalamic and cortical metabolic activity. In these subjects, network activity increased linearly over 7 years and was not influenced by intercurrent phenoconversion. The rate of network progression was nearly identical when measured in the validation sample. Network activity progressed at approximately twice the rate of single region measurements from the same subjects. CONCLUSION: Metabolic network measurements provide a sensitive means of quantitatively evaluating disease progression in premanifest individuals. This approach may be incorporated into clinical trials to assess disease-modifying agents. TRIAL REGISTRATION: Registration is not required for observational studies. FUNDING: NIH (National Institute of Neurological Disorders and Stroke, National Institute of Biomedical Imaging and Bioengineering) and CHDI Foundation Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,391
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations122
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical InvestigationMême sujetGenetic Neurodegenerative DiseasesTravaux en français237 207