MétaCan
Menu
Retour à la cohorte
Enregistrement W4280593482 · doi:10.51731/cjht.2022.330

An Overview of New and Emerging Technologies for Early Diagnosis of Alzheimer Disease

2022· article· en· W4280593482 sur OpenAlexaboutno aff
Charlotte Wells, Jennifer Horton

Notice bibliographique

RevueCanadian Journal of Health Technologies · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCholinesterase and Neurodegenerative Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiseaseBiomarkerMedicineCognitive declineAmyloid betaAmyloid (mycology)Alzheimer's diseaseBioinformaticsNeurosciencePathologyDementiaPsychologyBiology

Résumé

récupéré en direct d'OpenAlex

Alzheimer disease is a progressive neurologic condition that leads to the decline of cognitive functioning and eventual death. There is currently no cure. Proposed causes of Alzheimer disease include the amyloid hypothesis, which suggests that it is caused by a buildup of amyloid-beta and tau proteins in the brain, leading to cell death. Recent diagnostic tools focus on amyloid and tau proteins as potential markers of the disease, and new treatments are also focusing on amyloid and tau formation. Earlier diagnosis of Alzheimer disease allows time for planning for care and support needs before symptoms worsen. It also allows for both drug and non-drug treatments to be used earlier, which may prolong time with a higher quality of life. Emerging diagnostic tools include biomarker-based tools, such as MRI, PET, CT, blood-based biomarkers, cerebrospinal fluid-based biomarkers, ocular testing, and salivary biomarkers. The majority of these tools are in the research phase, although imaging is often used in combination with cognitive testing to diagnose Alzheimer disease. One blood-based biomarker test is available in the US (paid out of pocket). It is unclear whether testing will be available in Canada or when this will happen.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

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 Opus0,119
Tête enseignante GPT0,380
Écart entre enseignants0,261 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Health TechnologiesMême sujetCholinesterase and Neurodegenerative DiseasesTravaux en français237 207