Maximizing the Potential of Longitudinal Cohorts for Research in Neurodegenerative Diseases: A Community Perspective
Notice bibliographique
Résumé
Despite a wealth of activity across the globe in the area of longitudinal population cohorts, surprisingly little information is available on the natural biomedical history of a number of age-related neurodegenerative diseases (ND), and the scope for intervention studies based on these cohorts is only just beginning to be explored. The Joint Programming Initiative on Neurodegenerative Disease Research (JPND) recently developed a novel funding mechanism to rapidly mobilize scientists to address these issues from a broad, international community perspective. Ten expert Working Groups, bringing together a diverse range of community members and covering a wide ND landscape [Alzheimer's, Parkinson's, frontotemporal degeneration, amyotrophic lateral sclerosis (ALS), Lewy-body and vascular dementia] were formed to discuss and propose potential approaches to better exploiting and coordinating cohort studies. The purpose of this work is to highlight the novel funding process along with a broad overview of the guidelines and recommendations generated by the ten groups, which include investigations into multiple methodologies such as cognition/functional assessment, biomarkers and biobanking, imaging, health and social outcomes, and pre-symptomatic ND. All of these were published in reports that are now publicly available online.
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 | 0,758 | 0,731 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,012 | 0,007 |
| Études des sciences et des technologies | 0,007 | 0,015 |
| Communication savante | 0,023 | 0,034 |
| Science ouverte | 0,010 | 0,040 |
| Intégrité de la recherche | 0,017 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».