Brain Atrophy Subtypes and the ATN Classification Scheme in Alzheimer’s Disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: We investigated the association between atrophy subtypes of Alzheimer's disease (AD), the ATN classification scheme, and key demographic and clinical factors in 2 cohorts with different source characteristics (a highly selective research-oriented cohort, the Alzheimer's Disease Neuroimaging Initiative [ADNI]; and a naturalistic heterogeneous clinically oriented cohort, Karolinska Imaging Dementia Study [KIDS]). METHODS: A total of 382 AD patients were included. Factorial analysis of mixed data was used to investigate associations between AD subtypes based on brain atrophy patterns, ATN profiles based on cerebrospinal fluid biomarkers, and age, sex, Mini Mental State Examination (MMSE), cerebrovascular disease (burden of white matter signal abnormalities, WMSAs), and APOE genotype. RESULTS: Older patients with high WMSA burden, belonging to the typical AD subtype and showing A+T+N+ or A+T+N- profiles clustered together and were mainly from ADNI. Younger patients with low WMSA burden, limbic-predominant or minimal atrophy AD subtypes, and A+T-N- or A+T-N+ profiles clustered together and were mainly from KIDS. APOE ε4 carriers more frequently showed the A+T-N- and A+T+N- profiles. CONCLUSIONS: Our findings align with the recent framework for biological subtypes of AD: the combination of risk factors, protective factors, and brain pathologies determines belonging of AD patients to distinct subtypes.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle