MétaCan
Menu
Retour à la cohorte
Enregistrement W4312066037 · doi:10.1186/s13195-022-01134-0

Association of neurofilament light chain with renal function: mechanisms and clinical implications

2022· article· en· W4312066037 sur OpenAlexfundno aff
Rongxiang Tang, Matthew S. Panizzon, Jeremy A. Elman, Nathan A. Gillespie, Richard L. Hauger, Robert A. Rissman, Michael J. Lyons, Michael C. Neale, Chandra A. Reynolds, Carol E. Franz, William S. Kremen

Notice bibliographique

RevueAlzheimer s Research & Therapy · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSkin and Cellular Biology Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchNational Institutes of HealthGenentechIXICOServierEisaiTemple UniversityF. Hoffmann-La RocheBiogenUniversity of California, San DiegoBioClinicaU.S. Department of DefenseMeso Scale DiagnosticsAlzheimer's Disease Neuroimaging InitiativeNovartis Pharmaceuticals CorporationPfizerBristol-Myers SquibbEli Lilly and CompanyNational Institute on AgingAlzheimer's AssociationH. Lundbeck A/SU.S. Department of Veterans Affairs
Mots-clésNeurodegenerationMedicineBiomarkerCreatinineRenal functionInternal medicineNeurologyCerebrospinal fluidCystatin CEndocrinologyPhysiologyDiseaseBiologyPsychiatryGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Blood-based neurofilament light chain (NfL) is a promising biomarker of neurodegeneration across multiple neurodegenerative diseases. However, blood-based NfL is highly associated with renal function in older adults, which leads to the concern that blood-based NfL levels may be influenced by renal function, rather than neurodegeneration alone. Despite growing interest in using blood-based NfL as a biomarker of neurodegeneration in research and clinical practices, whether renal function should always be accounted for in these settings remains unclear. Moreover, the mechanisms underlying this association between blood-based measures of NfL and renal function remain elusive. In this study, we first evaluated the effect of renal function on the associations of plasma NfL with other measures of neurodegeneration. We then examined the extent of genetic and environmental contributions to the association between plasma NfL and renal function. METHODS: In a sample of 393 adults (mean age=75.22 years, range=54-90), we examined the associations of plasma NfL with cerebrospinal fluid (CSF) NfL and brain volumetric measures before and after adjusting for levels of serum creatinine (an index of renal function). In an independent sample of 969 men (mean age=67.57 years, range=61-73) that include monozygotic and dizygotic twin pairs, we replicated the same analyses and leveraged biometrical twin modeling to examine the genetic and environmental influences on the plasma NfL and creatinine association. RESULTS: =0.54 and 0.60, respectively). Their phenotypic correlation (r=0.38) was moderately explained by shared genetic influences (genetic correlation=0.46) and unique environmental influences (unique environmental correlation=0.27). CONCLUSIONS: Adjusting for renal function is unnecessary when assessing associations between plasma NfL and other measures of neurodegeneration but is necessary if plasma NfL is compared to a cutoff for classifying neurodegeneration-positive versus neurodegeneration-negative individuals. Blood-based measures of NfL and renal function are heritable and share common genetic influences.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil0,306

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,066
Tête enseignante GPT0,369
Écart entre enseignants0,303 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations38
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s Research & TherapyMême sujetSkin and Cellular Biology ResearchTravaux en français237 207