MétaCan
Menu
← Retour à la cohorte
Enregistrement W4300066072 · doi:10.17615/ka8q-bk87

Crowdsourced estimation of cognitive decline and resilience in Alzheimer's disease

2020· article· en· W4300066072 sur OpenAlexfundno aff
Mufassra Naz, Corrado Priami, Jimit Doshi, Roland Krause, Aristeidis Sotiras, Lara M. Mangravite, Gustavo Stolovitzky, Veronica Y. Sabelnykova, Elias Chaibub Neto, Yen‐Jen Oyang, Mingyi Hong, Shanfeng Zhu, Manjari Narayan, Benjamin A. Logsdon, Michael W. Weiner, Simon Lovestone, Catalina Anghel, Yi‐An Tung, Guanghua Xiao, Anandhi Iyappan, Jessica Gan, Donna N. Dillenberger, Arno Klein, John Kauwe, Andrea Tateo, Andrew Simmons, Yuanfang Guan, R. Bellotti, David A. Bennett, Ting‐Ying Chien, Emilie Lalonde, Beibei Chen, Sabina Tangaro, Enrico Glaab, Denise Duma, Christos Davatzikos, Jinseub Hwang, Sudeshna Das, David W. Fardo, Tsung‐Wei Ma, Paul C. Boutros, Holger Fröhlich, Yuriko Katsumata, Jia Xu, Hojin Yang, Chao Huang, Hongtu Zhu, Tim Clark, Xihui Lin, Genevera I. Allen, Eunjee Lee, Joseph G. Ibrahim, Ramil Nurtdinov, Julie Livingstone, Stephen Friend, Yudi Pawitan, Peter St George‐Hyslop, Rosangela Errico, Kevin L. Boehme, Güray Erus, Lei Xie, Nicola Amoroso, Fan Zhu, Jieyao Deng, Robert C. Green, Zhandong Liu, Philipp Senger, Christopher J. Bare, Cristian Caloian, Xiaowei Zhan, Shengwen Peng, Taylor J. Maxwell, Paurush Praveen, Satrajit Ghosh, Aishwarya Alex Namasivayam, Ashutosh Malhotra, Mario Lauria, Richard Dobson, Evan Everett, Laura Caberlotto, Erdem Varol, Zhou Yunyun, John Nagorski, F C Campbell, Stephen Piccolo, Yang Xie, Paolo Inglese, Derek Beaton, Chien‐Yu Chen, Yu‐Chuan Chang, Thea Norman, George Vradenburg, Qilin Dong, E.T. Merrill, Venkatachalapathy S. K. Balagurusamy, Nicholas J. Tustison, Xia Shen, Stephen Newhouse, Qijia Jiang, Mette A. Peters

Notice bibliographique

RevueUNC Libraries · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingCanadian Institutes of Health ResearchUniversity of California, San FranciscoUniversity of California, San DiegoGenentechNational Institutes of HealthIXICOServierEisaiNorthern California Institute for Research and EducationRush UniversityUniversity of WashingtonPfizerBiogenBioClinicaMcGill UniversityTakeda Pharmaceuticals U.S.A.SanofiSynarcUniversity of Southern CaliforniaEuropean Federation of Pharmaceutical Industries and AssociationsMedpaceAlzheimer's Disease Neuroimaging InitiativeMeso Scale DiagnosticsAlzheimer's AssociationBrightFocus FoundationEli Lilly and CompanyBristol-Myers SquibbNovartis Pharmaceuticals Corporation
Mots-clésCognitive declineResilience (materials science)DiseaseEstimationCognitionCognitive agingAlzheimer's diseasePsychological resiliencePsychologyGerontologyCognitive psychologyDementiaMedicineNeuroscienceInternal medicineEconomicsSocial psychology

Résumé

récupéré en direct d'OpenAlex

Identifying accurate biomarkers of cognitive decline is essential for advancing early diagnosis and prevention therapies in Alzheimer’s Disease. The Alzheimer’s Disease DREAM Challenge was designed as a computational crowdsourced project to benchmark the current state-of-the-art in predicting cognitive outcomes in Alzheimer’s Disease based on high-dimensional, publicly available genetic and structural imaging data. This meta-analysis failed to identify a meaningful predictor developed from either data modality, suggesting that alternate approaches should be considered for to prediction of cognitive performance.

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)0,021
score de la tête « metaresearch » (Gemma)0,084
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,084
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,078
Tête enseignante GPT0,388
Écart entre enseignants0,310 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNC Libraries→Même sujetMental Health Research Topics→Travaux en français237 207→