Exploring the intricacies and pitfalls of the ATN framework: An assessment across cohorts and thresholding methodologies
Notice bibliographique
Résumé
Abstract The amyloid/tau/neurodegeneration (ATN) framework has redefined Alzheimer’s disease (AD) toward a primarily biological entity. While it has found wide application in AD research, it was so far typically applied to single cohort studies using distinct data-driven thresholding methods. This poses the question of how concordant thresholds obtained using distinct methods are within the same dataset as well as whether thresholds derived by the same technique are interchangeable across cohorts. Given potential differences in cohort data-derived thresholds, it remains unclear whether individuals of one cohort are actually comparable with regard to their exhibited disease patterns to individuals of another cohort, even when they are assigned to the same ATN profile. If such comparability is not evident, the generalizability of results obtained using the ATN framework is at question. In this work, we evaluated the impact of selecting specific thresholding methods on ATN profiles by applying five commonly-used methodologies across eleven AD cohort studies. Our findings revealed high variability among the obtained thresholds, both across methods and datasets, linking the choice of thresholding method directly to the type I and type II error rate of ATN profiling. Moreover, we assessed the generalizability of primarily Magnetic Resonance Imaging (MRI) derived biological patterns discovered within ATN profiles by simultaneously clustering participants of different cohorts who were assigned to the same ATN profile. In only two out of seven investigated ATN profiles, we observed a significant association between individuals’ assigned clusters and cohort origin for thresholds defined using Gaussian Mixture Models, while no significant associations were found for K-means-derived thresholds. Consequently, in the majority of profiles, biological signals governed the clustering rather than systematic cohort differences resulting from distinct biomarker thresholds. Our work revealed that: 1) the thresholding method selection is a decision of statistical relevance that will inevitably bias the resulting profiling, 2) obtained thresholds are most likely not directly interchangeably across two independent cohorts, and 3) MRI-based biological patterns derived from distinctly thresholded ATN profiles can generalize across cohort datasets. Conclusively, in order to appropriately apply the ATN framework as an actionable and robust biological profiling scheme, a comprehensive understanding of the impact of used thresholding methods, their statistical implications, and the validation of achieved results is crucial.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,273 | 0,365 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».