Alzheimer’s Disease: A Journey from Amyloid Peptides and Oxidative Stress, to Biomarker Technologies and Disease Prevention Strategies—Gains from AIBL and DIAN Cohort Studies
Notice bibliographique
Résumé
Worldwide there are over 46 million people living with dementia, and this number is expected to double every 20 years reaching about 131 million by 2050. The cost to the community and government health systems, as well as the stress on families and carers is incalculable. Over three decades of research into this disease have been undertaken by several research groups in Australia, including work by our original research group in Western Australia which was involved in the discovery and sequencing of the amyloid-β peptide (also known as Aβ or A4 peptide) extracted from cerebral amyloid plaques. This review discusses the journey from the discovery of the Aβ peptide in Alzheimer's disease (AD) brain to the establishment of pre-clinical AD using PET amyloid tracers, a method now serving as the gold standard for developing peripheral diagnostic approaches in the blood and the eye. The latter developments for early diagnosis have been largely achieved through the establishment of the Australian Imaging Biomarker and Lifestyle research group that has followed 1,100 Australians for 11 years. AIBL has also been instrumental in providing insight into the role of the major genetic risk factor apolipoprotein E ɛ4, as well as better understanding the role of lifestyle factors particularly diet, physical activity and sleep to cognitive decline and the accumulation of cerebral Aβ.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».