O5‐03‐05: RETINAL NERVE FIBER LAYER THINNING IN PRE‐CLINICAL ALZHEIMER'S DISEASE PREDICTS CSF AMYLOID/TAU CLASSIFICATION
Notice bibliographique
Résumé
Preclinical Alzheimer's disease (AD) describes individuals with AD pathology who are cognitively healthy. We have shown that preclinical AD can be detected more sensitively and specifically by the beta amyloid 42 (Aß42)/Tau ratio relative to the concentration of these cerebrospinal fluid (CSF) markers independently (Harrington et al 2013). The purpose of this study was to investigate whether retinal thickness changes in preclinical AD are predictive of Aß42/Tau CSF classification. For this prospective study, 48 eyes from 27 pre-clinical AD participants (mean age: 75.2 ± 8.4 years) were compared to 32 eyes from 16 age-matched controls (mean age: 75 ± 8 years; p=0.45). Optical coherence tomography scans were acquired for the retinal nerve fiber layer (RNFL), ganglion cell-inner plexiform layer (GC-IPL), and the full macular thickness, comprising all retinal layers. Thicknesses of these 3 regions were compared between the two cohorts using mixed model repeated measures with unstructured covariance. Multivariable logistic regression was used to identify the RNFL region and side that best predicted amyloid/tau classification. The least-squares mean thickness (95% CI) in the RNFL, adjusted for side and region, was 9.8 (4.4, 15.3) μm thinner in the abnormal relative to normal CSF Aß42/Tau group (p<0.001). Reduced thickness was not significant in the GC-IPL or full macula. Based only on RNFL thickness, multivariable logistic regression identified the nasal and temporal retinal regions of the right eye as independent significant predictors of group association. A predicted event probability cutoff of 0.46 yielded 87% sensitivity and 56% specificity in classifying cognitively healthy individuals with abnormal CSF Aß42/Tau ratios.
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) | 0,001 | 0,000 |
| 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) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».