MétaCan
Menu
Retour à la cohorte
Enregistrement W4283717411 · doi:10.3389/fnagi.2022.848180

Microglial Activation, Tau Pathology, and Neurodegeneration Biomarkers Predict Longitudinal Cognitive Decline in Alzheimer’s Disease Continuum

2022· article· en· W4283717411 sur OpenAlexfundno aff
Yi-He Chen, Rong-Rong Lin, Hui‐Feng Huang, Yan‐Yan Xue, Qing‐Qing Tao

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceJanssen Alzheimer Immunotherapy Research And DevelopmentJohnson and Johnson Pharmaceutical Research and DevelopmentNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchNational Institutes of HealthH. Lundbeck A/SServierNational Natural Science Foundation of ChinaEisaiGenentechIXICOF. Hoffmann-La RochePfizerBiogenBioClinicaEli Lilly and CompanyU.S. Department of DefenseMeso Scale DiagnosticsAlzheimer's Disease Neuroimaging InitiativeNovartis Pharmaceuticals CorporationBristol-Myers SquibbNational Institute on AgingAlzheimer's AssociationFoundation for the National Institutes of Health
Mots-clésNeurodegenerationAlzheimer's Disease Neuroimaging InitiativeCognitive declinePsychologyCerebrospinal fluidInternal medicineCognitionNeuroinflammationAlzheimer's diseaseCohortMedicineNeuroimagingDiseaseNeuroscienceOncologyPathologyDementia

Résumé

récupéré en direct d'OpenAlex

Purpose: Biomarkers used for predicting longitudinal cognitive change in Alzheimer's disease (AD) continuum are still elusive. Tau pathology, neuroinflammation, and neurodegeneration are the leading candidate predictors. We aimed to determine these three aspects of biomarkers in cerebrospinal fluid (CSF) and plasma to predict longitudinal cognition status using Alzheimer's Disease Neuroimaging Initiative (ADNI) cohort. Patients and Methods: A total of 430 subjects including, 96 cognitive normal (CN) with amyloid β (Aβ)-negative, 54 CN with Aβ-positive, 195 mild cognitive impairment (MCI) with Aβ-positive, and 85 AD with amyloid-positive (Aβ-positive are identified by CSF Aβ42/Aβ40 < 0.138). Aβ burden was evaluated by CSF and plasma Aβ42/Aβ40 ratio; tau pathology was evaluated by CSF and plasma phosphorylated-tau (p-tau181); microglial activation was measured by CSF soluble TREM2 (sTREM2) and progranulin (PGRN); neurodegeneration was measured by CSF and plasma t-tau and structural magnetic resonance imaging (MRI); cognition was examined annually over the subsequent 8 years using the Alzheimer's Disease Assessment Scale Cognition 13-item scale (ADAS13) and Mini-Mental State Exam (MMSE). Linear mixed-effects models (LME) were applied to assess the correlation between biomarkers and longitudinal cognition decline, as well as their effect size on the prediction of longitudinal cognitive decline. Results: Baseline CSF Aβ42/Aβ40 ratio was decreased in MCI and AD compared to CN, while CSF p-tau181 and t-tau increased. Baseline CSF sTREM2 and PGRN did not show any differences in MCI and AD compared to CN. Baseline brain volumes (including the hippocampal, entorhinal, middle temporal lobe, and whole-brain) decreased in MCI and AD groups. For the longitudinal study, there were significant interaction effects of CSF p-tau181 × time, plasma p-tau181 × time, CSF sTREM2 × time, and brain volumes × time, indicating CSF, and plasma p-tau181, CSF sTREM2, and brain volumes could predict longitudinal cognition deterioration rate. CSF sTREM2, CSF, and plasma p-tau181 had similar medium prediction effects, while brain volumes showed stronger effects in predicting cognition decline. Conclusion: Our study reported that baseline CSF sTREM2, CSF, and plasma p-tau181, as well as structural MRI, could predict longitudinal cognitive decline in subjects with positive AD pathology. Plasma p-tau181 can be used as a relatively noninvasive reliable biomarker for AD longitudinal cognition decline prediction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,271
Écart entre enseignants0,239 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetNeuroinflammation and Neurodegeneration MechanismsTravaux en français237 207