MétaCan
Menu
← Retour à la cohorte
Enregistrement W3110745547 · doi:10.1002/alz.046375

Utility of ioflupane‐SPECT with multimodal imaging in dementia with Lewy bodies

2020· article· en· W3110745547 sur OpenAlexaboutno aff
Toji Miyagawa, Scott A. Przybelski, Daniela D. Maltais, Hoon‐Ki Min, Lennon Jordan, Timothy G. Lesnick, Qin Chen, Jonathan Graff‐Radford, David T. Jones, Rodolfo Savica, David S. Knopman, Ronald C. Petersen, Julie A. Fields, Mary M. Machulda, Leah K. Forsberg, Laura A. Allen, Joseph E. Parisi, Melissa E. Murray, Tanis J. Ferman, Dennis W. Dickson, Bradley F. Boeve, Kejal Kantarci, Val J. Lowe

Notice bibliographique

RevueAlzheimer s & Dementia · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDementia with Lewy bodiesPutamenDementiaNuclear medicineMedicineSpect imagingPsychologyRadiologyInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Background Multiple imaging modalities have been individually shown to be useful in diagnosing Dementia with Lewy Bodies (DLB). Reduced striatonigral uptake on ioflupane‐SPECT reflects striatonigral dopamine dysfunction observed in DLB, while other imaging modalities assess different aspects of DLB, which potentially work complementarily when used together. We assessed how well ioflupane‐SPECT differentiates DLB from Alzheimer’s Disease Dementia (ADem) and whether adding another imaging modality to ioflupane‐SPECT would provide additional value. Method Ioflupane‐SPECT, MRI, FDG‐PET, and PiB‐PET were assessed on 35 DLB and 14 ADem patients (including 12 patients with eventual autopsy confirmation). Striatonigral dopamine transporter uptake was evaluated semi‐quantitatively with ioflupane‐SPECT using DaTQUANT software (GE Healthcare) to calculate z‐scores of putamen uptake. Hippocampal volume was calculated with structural MRI, cingulate island sign (CIS) ratio with FDG‐PET, and global cortical PiB retention with PiB‐PET. Result Lower DaTQUANT z‐scores of putamen were observed in DLB patients compared to ADem patients (c‐statistic 0.896, p<0.001). Ioflupane‐SPECT showed higher c‐statistic in differentiating DLB from ADem than hippocampal volume on MRI (c‐statistic 0.718, p=0.034), CIS on FDG‐PET (c‐statistic 0.869, p=0.003), or global cortical PiB retention on PiB‐PET (c‐statistic 0.869, p=0.002), but some overlap between two diagnostic groups was still observed with the single imaging modality. Among these imaging modalities, ioflupane‐SPECT was the only modality correlated with the Unified Parkinson Disease Rating Scale (UPDRS) part III, while only PiB‐PET correlated with Montreal Cognitive Assessment (MoCA) test score. Adding another imaging modality to ioflupane‐SPECT enhanced c‐statistics (+MRI c‐statistic 0.931, p<0.001; +FDG‐PET c‐statistic 0.957, p=0.005; +PiB‐PET c‐statistic 0.955, p=0.007), and ioflupane‐SPECT in combination with both FDG‐PET and PiB‐PET showed the highest c‐statistic of 0.974 (p=0.043). Conclusion Ioflupane‐SPECT is an excellent imaging modality to identify DLB by detecting striatonigral dopamine dysfunction which is strongly associated with motor impairment in DLB. Correlative neuroimaging with MRI, FDG‐PET, or PiB‐PET may add small incremental value in differentiation of DLB and ADem. Supported by NIH grants (AG016574, AG006786, AG015866, NS100620, AG062677), grant from GE Healthcare, the Mayo Clinic Dorothy and Harry T. Mangurian Jr. Lewy Body Dementia Program, the Deal Family Foundation, and the Little Family Foundation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,293
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→