Blood‐based protein predictors of dementia severity as measured by δ: Replication across biofluids and cohorts
Notice bibliographique
Résumé
INTRODUCTION: Dementia severity can be empirically described by the latent dementia phenotype "δ" and its various composite "homologs". We have explored δ's blood-based protein biomarkers in the Texas Alzheimer's Research and Care Consortium (TARCC) study. However, it would be convenient to replicate those associations in the Alzheimer's Disease Neuroimaging Initiative (ADNI). To this end, we recently engineered a δ homolog from observed cognitive performance measures common to both projects (i.e., "dT2A"). METHODS: We used nine rationally chosen peripheral blood-based protein biomarkers as indicators of a latent variable "INFLAMMATION". We then associated that construct with dT2A in structural equation models adjusted for age, gender, depressive symptoms, and apolipoprotein E (APOE) ε4 allelic burden. Significant factor loadings and INFLAMMATION's association with dT2A were confirmed in random splits of TARCC's relatively large sample, and across biofluids in the ADNI. RESULTS: Nine proteins measured in serum (TARCC) or plasma (ADNI) explained ≅10% of dT2A's variance in both samples, independently of age, APOE, education, and gender. All loaded significantly on INFLAMMATION, and positively or negatively, depending on their known roles are PRO- or ANTI-inflammatory proteins, respectively. The parameters of interest were confirmed across random 50% splits of the TARCC's sample, and replicated across biofluids in the ADNI. DISCUSSION: These results suggest that SEM can be used to replicate biomarker findings across samples and biofluids, and that a substantial fraction of dementia's variance is attributable to peripheral blood-based protein levels.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».