Safety and Feasibility of Research Lumbar Puncture in Huntington’s Disease: The HDClarity Cohort and Bioresource
Notice bibliographique
Résumé
BACKGROUND: Biomarkers are needed to monitor disease progression, target engagement and efficacy in Huntington's disease (HD). Cerebrospinal fluid (CSF) is an ideal medium to research such biomarkers due to its proximity to the brain. OBJECTIVE: To investigate the safety and feasibility of research lumbar punctures (LP) in HD. METHODS: HDClarity is an ongoing international biofluid collection initiative built on the Enroll-HD platform, where clinical assessments are recorded. It aims to recruit 1,200 participants. Biosamples are collected following an overnight fast: blood via venipuncture and CSF via LP. Participants are healthy controls and HD gene expansion carriers across the disease spectrum. We report on monitored data from February 2016 to September 2019. RESULTS: Of 448 participants screened, 398 underwent at least 1 sampling visit, of which 98.24% were successful (i.e., CSF was collected), amounting to 10,610 mL of CSF and 8,200 mL of plasma. In the total 572 sampling visits, adverse events were reported in 24.13%, and headaches of any kind and post-LP headaches in 14.86% and 12.24%, respectively. Frequencies were less in manifest HD; gender, age, body mass index and disease burden score were not associated with the occurrence of the events in gene expansion carriers. Headaches and back pain were the most frequent adverse events. CONCLUSION: HDClarity is the largest CSF collection initiative to support scientific research into HD and is now stablished as a leading resource for HD research. Our data confirm that research LP in HD are feasible and acceptable to the community, and have a manageable safety profile.
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 | 0,007 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».