Biological variation of Alzheimer’s disease plasma biomarkers in healthy individuals
Notice bibliographique
Résumé
Abstract Background Plasma biomarkers for Alzheimer’s disease (AD) have demonstrated great performance to identify AD pathology in research cohorts, and recent studies also support their potential to monitor effects of disease‐modifying treatments. To properly interpret these biomarkers in research settings and to inform power calculations of future trials using them as surrogate outcomes, information on their physiological variability over time is needed. We conducted a 10‐week biological variation (BV) study to assess the within‐individual (CVI; CV: coefficient of variation), between‐individual (CVG) and analytical variability (CVA) of blood‐based AD biomarkers. These parameters can provide the reference change value (RCV), which determines how much biomarker values must change to represent a significant abnormality‐related change, i.e. exceeding analytical and biological variation. Method Plasma samples were collected weekly for 10 weeks from 20 healthy individuals from the European Biological Variation Study (n=20; 50% female, median age 46.4). Biomarkers for tau pathology (p‐tau181), brain amyloidosis (Aβ42, Aβ40, Aβ42/40), glial activation (GFAP) and neurodegeneration (NfL) were quantified in duplicate using the Simoa technology. The CV‐ANOVA statistical method was used to compute BV estimates. To evaluate diurnal rhythm of these biomarkers, we also conducted a study with non‐demented older adults (n=24; 58‐82yo), with hourly blood collections during 26h in strictly‐controlled environmental conditions (NCT02091427). P‐tau217 (Lily) analyses are ongoing for both studies. Result Individual‐level (Figure 1) and pooled biomarker levels are shown (Figure 2), as well as BV estimates (Table 1). The 10‐week within‐individual physiological variation (CVI) was lower for Aβ42/40 (4.3%), followed by Aβ42 (6.0%), Aβ40 (6.4%), NfL (7.9%), GFAP (9.3%) and p‐tau181 (15.8%). Between‐individual variation (CVG) was lower for Aβ42/40 (8.8%), followed by Aβ42 (13.3%), Aβ40 (17.0%), p‐tau181 (20.5%), NfL (23.0%) and GFAP (31.5%). Analytical variation was low for all biomarkers (CVA range: 2.5‐6.6%). The RCV was higher for p‐tau181 (45.6%), followed by GFAP (31.7%), NfL (27.6%), Aβ40 (19.0%), Aβ42 (18.8%) and Aβ42/40 (15.6%). Conclusion Blood‐based AD biomarkers demonstrate good week‐to‐week stability, but their CVG and RCV’s can be rather high, with implications both for use in clinical routine (misclassification risk) and for future trial designs (high numbers of participants needed). Results for the diurnal variation study will also be presented.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».