Screening for Dementia Caused by Modifiable Lifestyle Choices Using Hybrid PET/MRI
Notice bibliographique
Résumé
Significant advances in positron emission tomography (PET) and magnetic resonance imaging (MRI) brain imaging in the early detection of dementia indicate that hybrid PET/MRI would be an effective tool to screen for dementia in the population living with lifestyle risk factors. Here we investigate the associated costs and benefits along with the needed imaging infrastructure. A demographic analysis determined the prevalence of dementia and its incidence. The expected value of the screening program was calculated assuming a sensitivity and specificity of 0.9, a prevalence of 0.1, a QALY factor of 0.348, a willingness to pay $114,000 CAD and the cost per PET/MRI scan of $2,000 CAD. It was assumed that each head PET/MRI could screen 3,000 individuals per year. The prevalence of dementia is increasing by almost two-fold every 20 years due to the increased population at ages where dementia is more prevalent. It has been shown that a five-year delay in the incidence of dementia would decrease the prevalence by some 45%. In Canada, a five-year delay corresponds to a health care savings of $27,000 CAD per subject per year. The expected value for screening was estimated at $23,745 CAD. The number of subjects to be screened per year in Canada, USA, and China between 60 and 79 was 11,405,000. The corresponding number of head-only hybrid PET/MRI systems needed is 3,800. A brain PET/MRI screening program is financially justifiable with respect to health care costs and justifies the continuing development of MRI compatible brain PET technology.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».