The Canadian ALS Neuroimaging Consortium (CALSNIC) - a multicentre platform for standardized imaging and clinical studies in ALS
Notice bibliographique
Résumé
Abstract Background Amyotrophic lateral sclerosis (ALS) is a disabling and rapidly progressive neurodegenerative disorder. Increasing age is an important risk factor for developing ALS, thus the societal impact of this devastating disease will become more profound as the population ages. A significant hurdle to finding effective treatment has been an inability to accurately quantify cerebral degeneration associated with ALS in humans. Advanced magnetic resonance imaging (MRI) techniques hold promise in providing a set of biomarkers to assist in aiding diagnosis and in efficiently evaluating new drugs to treat ALS. Methods The Canadian ALS Neuroimaging Consortium (CALSNIC) was founded to develop and evaluate advanced MRI-based biomarkers that delineate biological heterogeneity, track disease progression, and predict survival in a large and heterogeneous sample of ALS patients. Findings CALSNIC has launched two studies to date (CALSINC-1, CALSNIC-2), acquiring multimodal neuroimaging, neurological, neuropsychological data, and neuropathological data from ALS patients and healthy controls in a prospective and longitudinal fashion from multiple centres in Canada and, more recently, the United States. Clinical and MRI protocols are harmonized across research centres and different MR vendors. Interpretation CALSNIC provides a multicentre platform for studying ALS biology and developing MRI-based biomarkers. Funding Canadian Institutes of Health Research, ALS Society of Canada, Brain Canada Foundation, Shelly Mrkonjic Research Fund
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 | 0,003 | 0,008 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».