Biomarker modelling of Alzheimer's disease using in vivo Braak staging
Notice bibliographique
Résumé
Abstract Background Gold standard diagnostic methods for AD rely on staging systems to measure disease severity, which have not yet been incorporated into the in vivo biological research framework for AD. The topographical information conferred by tau‐PET offers the potential to translate the gold standard histopathological Braak staging system to living individuals. Method Using the topographical information from [18F]MK6240 tau‐PET, we applied the Braak tau staging system to 324 living individuals. We used PET‐based Braak stage to model the trajectories of amyloid‐b, phosphorylated tau in cerebrospinal fluid (pTau181, pTau217, pTau231, pTau235) and plasma (pTau181, pTau231), neurodegeneration and cognitive symptoms. Result PET‐based Braak stages were We identified nonlinear AD biomarker trajectories corresponding to the spatial extent of tau‐PET, with modest biomarker changes detectable by Braak stage II and significant changes occurring at stages III‐IV, followed by plateaus. Early Braak stages were associated with isolated memory impairment, while Braak stages V‐VI were incompatible with normal cognition. Follow up tau‐PET scans indicated sequential progression of in vivo Braak stages over time, with progression beyond Braak stage III requiring the presence of amyloid‐beta abnormality. Conclusion Our results support PET‐based Braak staging as a framework to model the natural history of AD, as well as monitor AD severity from presymptomatic to clinical dementia phases.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».