The prevalence and biomarkers’ characteristic of rapidly progressive Alzheimer's disease from the Alzheimer's Disease Neuroimaging Initiative database
Notice bibliographique
Résumé
Abstract Introduction The prevalence and detailed biomarkers’ characteristic of rapidly progressive Alzheimer's disease (rpAD) remain incompletely understood. Methods A total of 312 mild AD patients from the Alzheimer's Disease Neuroimaging Initiative database were chosen and dichotomized into rpAD and non‐rpAD groups. We performed the prevalence and comprehensive biomarker evaluation. Results The prevalence of rpAD was 17.6% in mild AD. Compared with non‐rpAD, there were no differences in APOE ε4/ε4, APOE ε3/ε4, and APOE ε2/ε4 genotype distribution, cerebrospinal fluid tau, phosphorylated tau (p‐tau), amyloid‐β, hippocampus volume, and amyloid deposition in rpAD. Yet, a lower p‐tau/tau ratio was observed in rpAD ( P = .04). rpAD showed region‐specific hypometabolism ([18F]fluorodeoxyglucose‐positron emission tomography [FDG‐PET]) ( P = .001). Receiver‐operating characteristic analysis of FDG‐PET demonstrated that left angular and left temporal cortices were the regions with higher area under the curve and predictive value for identifying clinical at‐risk rpAD. Discussion We identified that rpAD commonly existed in mild AD. Cerebral hypometabolism could provide potential clinical differential value for rpAD in the short‐term follow‐up period.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».