Risk Classification in Mild Cognitive Impairment Patients for Developing Alzheimer's Disease
Notice bibliographique
Résumé
The objective of this study was to develop new risk classifications for conversion to Alzheimer's disease (AD) by comparing the relative reliability of classifiers in patients with mild cognitive impairment (MCI). The 397 MCI subjects and all baseline data, including characteristics, neuropsychological tests, cerebrospinal fluid biomarkers and MRI findings in Alzheimer's Disease Neuroimaging Initiative (ADNI), were used for analysis by Cox proportional hazard regression, bootstrap sampling, and c-index. Multivariate Cox regression analysis revealed the following factors to be associated with increased risk of conversion from MCI to AD during the 53-month follow-up period: AVLT 30-minute delayed recall, AVLT trial 1, Boston naming, logical delayed recall, trail-making B, CDR-sob, ADAS13, the cortical thickness of the right inferior temporal lobe (st91ta), and the left hippocampus volume. The combinations of ADAS13 at a cutoff point of 15.67 with CDR-sob at 1.5 or with the cortical thickness of the right inferior temporal lobe at 2.56 mm3 produced high conversion rates of 92.7% (82.4%-100.0%) and 88.8% (77.3%-100.0%), respectively, at 48 months. The discriminative ability based on c-index for the proposed combination was 0.68. The sample size was estimated as 504 in the group with a combination of ADAS13 and CDR-sob whose conversion rate is highest. The combination of ADAS13 with CDR-sob at an optimal cutoff point has a high reliability in classifying the MCI patients into high- and low-risk conversion to AD and will be benefit for patients' assessment and potentially facilitate the clinical development of novel therapeutics.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».