Biomarkers and cognitive endpoints to optimize trials in Alzheimer's disease
Notice bibliographique
Résumé
OBJECTIVE: To find the combination of candidate biomarkers and cognitive endpoints to maximize statistical power and minimize cost of clinical trials of healthy elders at risk for cognitive decline due to Alzheimer's disease. METHODS: Four-hundred and twelve cognitively normal participants were followed over 7 years. Nonlinear methods were used to estimate the longitudinal trajectories of several cognitive outcomes including delayed memory recall, executive function, processing speed, and several cognitive composites by subgroups selected on the basis of biomarkers, including APOE-ε4 allele carriers, cerebrospinal fluid biomarkers (Aβ 42, total tau, and phosphorylated tau), and those with small hippocampi. RESULTS: Derived cognitive composites combining Alzheimer's Disease Assessment Scale (ADAS)-cog scores with additional delayed memory recall and executive function components captured decline more robustly across biomarker groups than any measure of a single cognitive domain or ADAS-cog alone. Substantial increases in power resulted when including only participants positive for three or more biomarkers in simulations of clinical trials. INTERPRETATION: Clinical trial power may be improved by selecting participants on the basis of amyloid and neurodegeneration biomarkers and carefully tailoring primary cognitive endpoints to reflect the expected decline specific to these individuals.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».