MétaCan
Menu
Retour à la cohorte
Enregistrement W2883417149 · doi:10.1016/j.jalz.2018.06.2855

Molecular imaging in dementia: Past, present, and future

2018· review· en· W2883417149 sur OpenAlexaff
Robert Laforce, Jean‐Paul Soucy, Leila Sellami, Caroline Dallaire‐Théroux, Francis Brunet, David Bergeron, Bruce L. Miller, Rik Ossenkoppele

Notice bibliographique

RevueAlzheimer s & Dementia · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueAlzheimer's disease research and treatments
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesNational Institute on Aging
Mots-clésDementiaMolecular imagingDiseaseNeuroscienceMedicineNeuroimagingModality (human–computer interaction)Clinical trialClinical PracticeAmyloid (mycology)PathologicalPathologyBioinformaticsPsychologyComputer scienceArtificial intelligenceIn vivoBiologyPhysical therapy

Résumé

récupéré en direct d'OpenAlex

F-fluorodeoxyglucose, amyloid tracers, and, more recently, tau ligands have taken dementia research by storm and undoubtedly improved our understanding of neurodegenerative diseases. The ability to image in vivo the pathological substrates of degenerative diseases and visualize their downstream impact has led to improved models of pathogenesis, better differential diagnosis of atypical conditions, as well as focused subject selection and monitoring of treatment in clinical trials aimed at delaying or preventing the symptomatic phase of Alzheimer's disease. In this article, we present the main molecular imaging techniques used in research and practice. We further summarize the key findings brought about by each technique individually and more recently, as adjuncts to each other. Specific limitations of each imaging modality are discussed, as well as recommendations to overcome them. A nonvalidated clinical algorithm is proposed for earlier and more accurate identification of complex/atypical neurodegenerative diseases.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,808
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
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 Opus0,035
Tête enseignante GPT0,346
Écart entre enseignants0,312 · 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.

Devis d'étudeSans objet
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

Citations88
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetAlzheimer's disease research and treatmentsTravaux en français237 207