FDG PET Parkinson’s disease-related pattern as a biomarker for clinical trials in early stage disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The development of therapeutic interventions for Parkinson disease (PD) is challenged by disease complexity and subjectivity of symptom evaluation. A Parkinson's Disease Related Pattern (PDRP) of glucose metabolism via fluorodeoxyglucose positron emission tomography (FDG-PET) has been reported to correlate with motor symptom scores and may aid the detection of disease-modifying therapeutic effects. We sought to independently evaluate the potential utility of the PDRP as a biomarker for clinical trials of early-stage PD. Two machine learning approaches (Scaled Subprofile Model (SSM) and NPAIRS with Canonical Variates Analysis) were performed on FDG-PET scans from 17 healthy controls (HC) and 23 PD patients. The approaches were compared regarding discrimination of HC from PD and relationship to motor symptoms. Both classifiers discriminated HC from PD (p < 0.01, p < 0.03), and classifier scores for age- and gender- matched HC and PD correlated with Hoehn & Yahr stage (R2 = 0.24, p < 0.015) and UPDRS (R2 = 0.23, p < 0.018). Metabolic patterns were highly similar, with hypometabolism in parieto-occipital and prefrontal regions and hypermetabolism in cerebellum, pons, thalamus, paracentral gyrus, and lentiform nucleus relative to whole brain, consistent with the PDRP. An additional classifier was developed using only PD subjects, resulting in scores that correlated with UPDRS (R2 = 0.25, p < 0.02) and Hoehn & Yahr stage (R2 = 0.16, p < 0.06). Two independent analyses performed in a cohort of mild PD patients replicated key features of the PDRP, confirming that FDG-PET and multivariate classification can provide an objective, sensitive biomarker of disease stage with the potential to detect treatment effects on PD progression.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle