Relationship between genetic risk for Alzheimer's, cognition and neuropsychiatric symptoms: A case study of DNA sampling and analysis through digital platform cohort studies
Notice bibliographique
Résumé
Abstract Background With the evolution of technologies to extract DNA and undertake analysis from saliva samples, it is now feasible to collect postal samples for genetic analysis as part of cohort studies run on digital platforms. Ethics and engagement will be discussed and Mild Behavioral Impairment (MBI) is presented as an example of where this approach has delivered a substantial and cost‐effective study. MBI, a late‐life neuropsychiatric syndrome, is associated with faster progression to dementia and Aβ deposition even in healthy adults. MBI screening may enrich samples with individuals at risk for dementia, with benefits to clinical studies and possibly trials. Method 25,000 participants from the PROTECT digital platform were invited to provide a saliva sample by post. Ethics approval was underpinned by an on‐line consent process, genotypes were not disclosed to participants. Polygenic scores (PRS) for Alzheimer’s disease (AD) were calculated and split by tertile (representing low, medium and high AD genetic risk). Data were analysed as a whole sample then stratified by the presence of MBI. Result 87% of PROTECT participants agreed to provide genetic samples by post. 10,000 of these have been genotyped. 75% of the sample were women and the mean age was 62 (range: 50‐100). At the time of data freeze, genetic, MBI and cognitive data were available for 3,126. AD genetic risk was associated with a lower cognitive score (F(2,3119)=3.93, p=0.02; mean difference between low and high genetic risk: ‐15, p=0.02, Cohen’s d=0.13). In stratified analysis, genetic risk for AD was associated with worse cognition but only in the MBI group (MBI: F(2,1746)=4.95, p=0.007; no MBI: F(2,1366)=0.72, p=0.49). There was a significant difference between the high and low genetic risk groups (mean difference: ‐0.22, p=0.005); the effect size was stronger than in the whole sample analysis (Cohen’s d increase from 0.13 to 0.19). Conclusion High degrees of engagement can be achieved to obtain DNA samples from participants in online cohort studies. With respect to MBI, these findings demonstrate that neuropsychiatric symptoms may modify the relationship between genetic risk for AD and cognitive impairment. MBI screening may represent a useful sample enrichment strategy for clinical studies and trials.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».