In vivo metabolism and partitioning of 6-[18F]fluoro-L-meta-tyrosine in whole blood: a unified compartment model
Notice bibliographique
Résumé
Physiological quantification of dynamic PET data requires the determination of an input function, preferably from plasma. A compartmental model relating a parent radiotracer, its radiolabelled metabolites and their exchange between plasma and erythrocytes is presented. This model allows for the time course of radioactivity measured in whole blood to be transformed into the time course of the radiotracer in plasma. The utility of this approach is illustrated with blood data collected on 30 human subjects injected with 6-[18F]fluoro-L-meta-tyrosine (FmT), a pre-synaptic dopaminergic radiotracer. A three-compartment four-parameter model is shown to yield significantly better fits to the blood data than related lower and higher order models. This model is found to be robust to measurement noise, and yet sensitive to metabolic changes induced by pretreatment with carbidopa. For FmT, the between-subject variations are shown to be small enough to warrant the use of a population-based correction; tissue time-activity curves were simulated to verify that this correction does not significantly affect the precision and accuracy of the derived rate constants. The unified blood model can be adapted for radiotracers other than FmT as long as the blood partition ratio of the parent radiotracer differs from that of its metabolites and/or the rate at which they equilibrate between plasma and erythrocytes is different.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».