Robust Markers and Sample Sizes for Multicenter Trials of Huntington Disease
Notice bibliographique
Résumé
OBJECTIVE: The identification of sensitive biomarkers is essential to validate therapeutics for Huntington disease (HD). We directly compare structural imaging markers across the largest collective imaging HD dataset to identify a set of imaging markers robust to multicenter variation and to derive upper estimates on sample sizes for clinical trials in HD. METHODS: We used 1 postprocessing pipeline to retrospectively analyze T1-weighted magnetic resonance imaging (MRI) scans from 624 participants at 3 time points, from the PREDICT-HD, TRACK-HD, and IMAGE-HD studies. We used mixed effects models to adjust regional brain volumes for covariates, calculate effect sizes, and simulate possible treatment effects in disease-affected anatomical regions. We used our model to estimate the statistical power of possible treatment effects for anatomical regions and clinical markers. RESULTS: We identified a set of common anatomical regions that have similarly large standardized effect sizes (>0.5) between healthy control and premanifest HD (PreHD) groups. These included subcortical, white matter, and cortical regions and nonventricular cerebrospinal fluid (CSF). We also observed a consistent spatial distribution of effect size by region across the whole brain. We found that multicenter studies were necessary to capture treatment effect variance; for a 20% treatment effect, power of >80% was achieved for the caudate (n = 661), pallidum (n = 687), and nonventricular CSF (n = 939), and, crucially, these imaging markers provided greater power than standard clinical markers. INTERPRETATION: Our findings provide the first cross-study validation of structural imaging markers in HD, supporting the use of these measurements as endpoints for both observational studies and clinical trials. ANN NEUROL 2020;87:751-762.
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 | 0,315 | 0,584 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».