[P4–481]: A PROCEDURE TO CREATE A FRAILTY INDEX BASED ON ROUTINELY‐COLLECTED LABORATORY AND CLINICAL SAFETY DATA IN THE SETTING OF AN ALZHEIMER's DISEASE CLINICAL TRIAL
Notice bibliographique
Résumé
Most individuals with dementia are over 75 years old and many are frail. Even so, most dementia clinical trials exclude frail adults, so whether their responses to treatment are similar to their non-frail counterparts is unclear. We previously showed that frailty can be quantified with a frailty index (FI) based on accumulation of deficits in health and can even be constructed from hospital blood work. Here our objective was to determine whether we can construct FIs based on laboratory and clinical safety data from the double blind Video Imaging Synthesis of Treating Alzheimer's disease (VISTA) galantamine trial. Subjects were 78.2 ± 7.8 years old (63.1% female). Three FIs were constructed following validated procedures. An FILAB was constructed from results of 35 standard laboratory tests (e.g. red cell, white cell & platelet counts, liver, kidney & thyroid function). Results within the normal range were scored as 0; values outside the normal range were scored as 1. Items were summed and divided by the number measured (e.g. 35) to yield an FI between 0–1. A similar approach was used to create an FICLINICAL based on 35 co-morbidities, physical factors plus neurological function data and an FICOMBINED was created from all 70 items. Results showed that the mean (± SD) FILAB scores for all patients at baseline were 0.093 ± 0.055 (n=129; range=0–0.306) whereas the average FICLINICAL scores were 0.213 ± 0.107 (n=130; range=0–0.457). The two FI scores were positively correlated (r=0.18; p= 0.045). When we combined both sets of deficits to create an FICOMBINED we found mean score of 0.153 ± 0.065 (n=130; range=0.028–0.314). These data demonstrate that: 1) an FI score can be constructed based on existing laboratory and/or clinical data that are routinely collected as safety data in the setting of an Alzheimer's drug trial; and 2) older individuals with a wide range of FI scores actually are recruited in drug trials, despite efforts to exclude them. Failure to consider varying frailty levels in drug trial participants is a missed opportunity to determine whether drugs work in patients who are most likely to take them.
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 | 0,019 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,006 |
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 ».