Plasma amyloid-β oligomerization assay as a pre-screening test for amyloid status
Notice bibliographique
Résumé
OBJECTIVE: We assessed the performance of plasma amyloid oligomerization tendency (OAβ) as a marker for abnormal amyloid status. Additionally, we examined long-term storage effects on plasma OAβ. METHODS: = 206). Plasma OAβ was measured using the multimer detection system (MDS). Long-term storage effects on MDS-OAβ were assessed using general linear models. Associations between plasma MDS-OAβ and Aβ-PET status were assessed using logistic regression and receiver operating characteristics analyses. Correlations between plasma MDS-OAβ and CSF biomarker levels were evaluated using Pearson correlation analyses. RESULTS: MDS-OAβ was higher in individuals with abnormal amyloid, and it identified abnormal Aβ-PET with an area under the curve (AUC) of 0.74 (95% CI, 0.67-0.81), especially in samples with a storage duration < 4 years. Combining APOEe4 and age with plasma MDS-OAβ revealed an AUC of 81% for abnormal amyloid PET status (95% CI, 74-87%). Plasma MDS-OAβ correlated negatively with MMSE (r = - 0.29, p < .01) and CSF Aβ42 (r = - 0.20, p < 0.05) and positively with CSF Tau (r = 0.20, p = 0.01). CONCLUSIONS: Plasma MDS-OAβ combined with APOEe4 and age accurately identifies brain amyloidosis in a large Aβ-confirmed population. Using plasma MDS-OAβ as a screener reduced the costs and number of PET scans needed to screen for amyloidosis, which is relevant for clinical trials. Additionally, plasma MDS-OAβ levels appeared affected by long-term storage duration, which could be of interest for others measuring plasma Aβ biomarkers.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».