The Potential Emergence of Disease-Modifying Treatments for Alzheimer Disease: The Role of Primary Care in Managing the Patient Journey
Notice bibliographique
Résumé
Despite recent setbacks, disease-modifying treatments (DMTs) for Alzheimer disease (AD) might become available within a few years. These DMTs are likely to be used in the early stages of AD to avoid the progression to manifest dementia, which implies that a large reservoir of prevalent cases would need to be evaluated when DMTs first become available. Primary care providers (PCPs) would play a vital role in managing the patient flow to specialty care. We review the literature on diagnostic tests that could be used by PCPs and estimate the impact of different testing approaches on demand for specialty care.While many tests have been evaluated, only the Mini-Mental State Examination (MMSE) and the Montreal Cognitive Assessment (MoCA) perform acceptably for detection of early-stage cognitive decline with sensitivities and specificities of 55% to 82% and 72% to 84%, respectively, for the MMSE; and 77% to 96% and 73% to 95%, respectively, for the MoCA. However, neither test is sufficiently specific for the AD pathology and would result in 4 to 5 false positives for each true positive. Blood-based tests for AD biomarkers may soon become available for clinical use. A plasma amyloid-β (Aβ) test has been shown to have a sensitivity of up to 97% and specificity of up to 81%. Adding this test to the MMSE or MoCA could reduce false positives by approximately 80%.These findings suggest a combination of brief cognitive tests and blood-based biomarker tests will allow PCPs to identify patients with potential early stage AD efficiently and triage them for further evaluation.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».