MétaCan
Menu
Retour à la cohorte
Enregistrement W4312087161 · doi:10.1002/alz.067924

TRIAD multi‐dimensional biobank for biomarker discovery

2022· article· en· W4312087161 sur OpenAlexaff
Jenna Stevenson, Nesrine Rahmouni, Mira Chamoun, Andréa Lessa Benedet, Alyssa Stevenson, Vanessa Pallen, Joseph Therriault, Firoza Z Lussier, Cécile Tissot, Gleb Bezgin, Tharick A. Pascoal, Paolo Vitali, Serge Gauthier, Pedro Rosa‐Neto

Notice bibliographique

RevueAlzheimer s & Dementia · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensDouglas Mental Health University InstituteMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésBiobankBiomarkerCohortDementiaMedicineCohort studyBiomarker discoveryOncologyUrineInternal medicineDiseaseBioinformaticsBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background The Translational Biomarkers in Aging and Dementia (TRIAD) is a longitudinal, biomarker‐based cohort designed to study interactions between the pathophysiological processes driving to dementia. Currently, 50 million people worldwide have dementia [1]. PET and MRI imaging have been widely used to assess disease stage, though expensive and not readily accessible [2]. More recently though, breakthroughs in blood‐based biomarkers have proven a useful, available, and more cost‐effective way of evaluating amyloid and tau positivity. The TRIAD Biobank provides a unique framework to study disease stage using blood‐based biomarkers in conjunction with PET and CSF studies. Our cohort allows for validation of novel biomarkers as we simultaneously acquire gold standard second generation imaging acquisitions with full spectrum fluid biomarkers (CSF, saliva, plasma, urine). Importantly, the data acquired is integrated in a database compliant to multi‐dimensional biomarker analysis. Method Figure 1 depicts the cohort's banked fluids by diagnostic group. Figure 2 depicts the cohort's banked fluids by sex grouping. Result The TRIAD Biobank stores 1,034 blood samples from 655 participants, 658 of these being follow‐up collections. Additionally, cerebrospinal fluid has been collected from 381 individuals accounting for 520 collections in the bank, 812 urine collections from 662 individuals and 591 saliva samples from 432 individuals. Additionally, the cohort has collected 761 tau PET scans using [ 18 F]MK6240, 644 amyloid PET scans using [ 18 F]AZD4694 and 804 MRI using 3 Tesla. Conclusion With dementia being one of the leading, most costly causes of death, the need for early detection, more affordable, less invasive, and more readily available ways to determine disease stage is apparent [2]. The TRIAD multi‐dimensional biobank provides a wealth of resources to discover affordable biomarkers needed for early diagnosis and Alzheimer’s disease prevention. [1] Patterson, C. 2018. World Alzheimer Report 2018: The state of the art of dementia research, new frontiers . London, England: Alzheimer's Disease International [2] Gauthier S, Rosa‐Neto P, Morais JA, & Webster C. 2021. World Alzheimer Report 2021: Journey through the diagnosis of dementia . London, England: Alzheimer’s Disease International.

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)0,011
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0030,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,016

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 Opus0,038
Tête enseignante GPT0,323
Écart entre enseignants0,285 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207