MétaCan
Menu
Retour à la cohorte
Enregistrement W4361020091 · doi:10.1136/jnnp-2022-330866

Plasma inflammation for predicting phenotypic conversion and clinical progression of autosomal dominant frontotemporal lobar degeneration

2023· article· en· W4361020091 sur OpenAlexaff
Breton M. Asken, Peter A. Ljubenkov, Adam M. Staffaroni, Kaitlin B. Casaletto, Lawren VandeVrede, Yann Cobigo, Julio C Rojas-Rodriguez, Katherine P. Rankin, John Kornak, Hilary W. Heuer, Judy K. Shigenaga, Brian S. Appleby, Andrea Bozoki, Kimiko Domoto‐Reilly, Nupur Ghoshal, Edward D. Huey, Irene Litvan, Joseph C. Masdeu, Belén Pascual, Peter Pressman, Maria Carmela Tartaglia, Walter K. Kremers, Leah K. Forsberg, Bradley F. Boeve, Adam L. Boxer, Howie Rosen, Joel H. Kramer

Notice bibliographique

RevueJournal of Neurology Neurosurgery & Psychiatry · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensOccupational Cancer Research CentreUniversity of Toronto
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Neurological Disorders and StrokeNational Institute of Mental HealthNational Institute on AgingRainwater Charitable Foundation
Mots-clésC9orf72Frontotemporal lobar degenerationAsymptomaticAtrophyInternal medicineMedicineInflammationFrontotemporal dementiaCardiologyOncologyGastroenterologyTemporal lobePathologyPsychologyDementiaPsychiatryDisease

Résumé

récupéré en direct d'OpenAlex

Background Measuring systemic inflammatory markers may improve clinical prognosis and help identify targetable pathways for treatment in patients with autosomal dominant forms of frontotemporal lobar degeneration (FTLD). Methods We measured plasma concentrations of IL-6, TNFα and YKL-40 in pathogenic variant carriers ( MAPT, C9orf72, GRN ) and non-carrier family members enrolled in the ARTFL-LEFFTDS Longitudinal Frontotemporal Lobar Degeneration consortium. We evaluated associations between baseline plasma inflammation and rate of clinical and neuroimaging changes (linear mixed effects models with standardised (z) outcomes). We compared inflammation between asymptomatic carriers who remained clinically normal (‘asymptomatic non-converters’) and those who became symptomatic (‘asymptomatic converters’) using area under the curve analyses. Discrimination accuracy was compared with that of plasma neurofilament light chain (NfL). Results We studied 394 participants (non-carriers=143, C9orf72 =117, GRN =62, MAPT =72). In MAPT , higher TNFα was associated with faster functional decline (B=0.12 (0.02, 0.22), p=0.02) and temporal lobe atrophy. In C9orf72, higher TNFα was associated with faster functional decline (B=0.09 (0.03, 0.16), p=0.006) and cognitive decline (B=−0.16 (−0.22, −0.10), p<0.001), while higher IL-6 was associated with faster functional decline (B=0.12 (0.03, 0.21), p=0.01). TNFα was higher in asymptomatic converters than non-converters (β=0.29 (0.09, 0.48), p=0.004) and improved discriminability compared with plasma NfL alone (ΔR 2 =0.16, p=0.007; NfL: OR=1.4 (1.03, 1.9), p=0.03; TNFα: OR=7.7 (1.7, 31.7), p=0.007). Conclusions Systemic proinflammatory protein measurement, particularly TNFα, may improve clinical prognosis in autosomal dominant FTLD pathogenic variant carriers who are not yet exhibiting severe impairment. Integrating TNFα with markers of neuronal dysfunction like NfL could optimise detection of impending symptom conversion in asymptomatic pathogenic variant carriers and may help personalise therapeutic approaches.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,343
Écart entre enseignants0,307 · 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'étudeObservationnel
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

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neurology Neurosurgery & PsychiatryMême sujetAmyotrophic Lateral Sclerosis ResearchTravaux en français237 207