MétaCan
Menu
Retour à la cohorte
Enregistrement W2335094569 · doi:10.1016/j.jalz.2016.02.006

Crowdsourced estimation of cognitive decline and resilience in Alzheimer's disease

2016· review· en· W2335094569 sur OpenAlexafffund
Genevera I. Allen, Nicola Amoroso, Catalina Anghel, Venkatachalapathy S. K. Balagurusamy, J Christopher Bare, Derek Beaton, R. Bellotti, David A. Bennett, Kevin L. Boehme, Paul C. Boutros, Laura Caberlotto, Cristian Caloian, F C Campbell, Elias Chaibub Neto, Yu‐Chuan Chang, Beibei Chen, Chien‐Yu Chen, Ting‐Ying Chien, Tim W. Clark, Sudeshna Das, Christos Davatzikos, Jieyao Deng, Donna Dillenberger, Richard Dobson, Qilin Dong, Jimit Doshi, Denise Duma, Rosangela Errico, Güray Erus, Evan Everett, David W. Fardo, Stephen Friend, Holger Fröhlich, Jessica Gan, Peter St George‐Hyslop, Satrajit Ghosh, Enrico Glaab, Robert C. Green, Yuanfang Guan, Mingyi Hong, Chao Huang, Jinseub Hwang, Joseph G. Ibrahim, Paolo Inglese, Anandhi Iyappan, Qijia Jiang, Yuriko Katsumata, John Kauwe, Arno Klein, Dehan Kong, Roland Krause, Emilie Lalonde, Mario Lauria, Eunjee Lee, Xihui Lin, Zhandong Liu, Julie Livingstone, Benjamin A. Logsdon, Simon Lovestone, Tsung‐Wei Ma, Ashutosh Malhotra, Lara M. Mangravite, Taylor J. Maxwell, Emily Merrill, John Nagorski, Aishwarya Alex Namasivayam, Manjari Narayan, Mufassra Naz, Stephen Newhouse, Thea Norman, Ramil Nurtdinov, Yen‐Jen Oyang, Yudi Pawitan, Shengwen Peng, Mette A. Peters, Stephen Piccolo, Paurush Praveen, Corrado Priami, Veronica Y. Sabelnykova, Philipp Senger, Xia Shen, Andrew Simmons, Aristeidis Sotiras, Gustavo Stolovitzky, Sabina Tangaro, Andrea Tateo, Yi‐An Tung, Nicholas J. Tustison, Erdem Varol, George Vradenburg, Michael W. Weiner, Guanghua Xiao, Lei Xie, Yang Xie, Jia Xu, Hojin Yang, Xiaowei Zhan, Yunyun Zhou, Fan Zhu, Hongtu Zhu, Shanfeng Zhu

Notice bibliographique

RevueAlzheimer s & Dementia · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensUniversity of TorontoOntario Institute for Cancer Research
Organismes subventionnairesNational Institute on AgingUniversity of California, San FranciscoUniversity of California, San DiegoGenentechNational Institutes of HealthIXICONational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchUniversity of California, Los AngelesEuropean Medicines AgencyServierEisaiNorthern California Institute for Research and EducationIllinois Department of Public HealthRush UniversityUniversity of WashingtonAlzheimer’s Research UKPfizerBiogenBioClinicaMcGill UniversityNational Institute of Mental HealthTakeda Pharmaceuticals U.S.A.European Federation of Pharmaceutical Industries and AssociationsMedpaceSanofiSynarcUniversity of Southern CaliforniaAlzheimer's Disease Neuroimaging InitiativeMeso Scale DiagnosticsAlzheimer's AssociationBrightFocus FoundationEli Lilly and CompanyBristol-Myers SquibbNovartis Pharmaceuticals Corporation
Mots-clésResilience (materials science)Cognitive declineEstimationCognitionDiseaseAlzheimer's diseaseCognitive psychologyPsychologyCognitive agingGerontologyMedicineDementiaNeurosciencePathologyEconomics

Résumé

récupéré en direct d'OpenAlex

Identifying accurate biomarkers of cognitive decline is essential for advancing early diagnosis and prevention therapies in Alzheimer's disease. The Alzheimer's disease DREAM Challenge was designed as a computational crowdsourced project to benchmark the current state-of-the-art in predicting cognitive outcomes in Alzheimer's disease based on high dimensional, publicly available genetic and structural imaging data. This meta-analysis failed to identify a meaningful predictor developed from either data modality, suggesting that alternate approaches should be considered for prediction of cognitive performance.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,033
Tête enseignante GPT0,348
Écart entre enseignants0,316 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations94
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207