Prediction of Alzheimer's disease pathophysiology based on cortical thickness patterns
Notice bibliographique
Résumé
INTRODUCTION: Recent studies have shown that pathologically defined subtypes of Alzheimer's disease (AD) represent distinctive atrophy patterns and clinical characteristics. We investigated whether a cortical thickness-based clustering method can reflect such findings. METHODS: A total of 77 AD subjects from the Alzheimer's Disease Neuroimaging Initiative 2 data set who underwent 3-T magnetic resonance imaging, [(18)F]-fluorodeoxyglucose-positron emission tomography (PET), [(18)F]-Florbetapir PET, and cerebrospinal fluid (CSF) tests were enrolled. After clustering based on cortical thickness, diverse imaging and biofluid biomarkers were compared between these groups. RESULTS: Three cortical thinning patterns were noted: medial temporal (MT; 19.5%), diffuse (55.8%), and parietal dominant (P; 24.7%) atrophy subtypes. The P subtype was the youngest and represented more glucose hypometabolism in the parietal and occipital cortices and marked amyloid-beta accumulation in most brain regions. The MT subtype revealed more glucose hypometabolism in the left hippocampus and bilateral frontal cortices and less performance in memory tests. CSF test results did not differ between the groups. DISCUSSION: Cortical thickness patterns can reflect pathophysiological and clinical changes in AD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 ».