Equivalence of plasma p‐tau217 with cerebrospinal fluid in the diagnosis of Alzheimer's disease
Notice bibliographique
Résumé
Abstract INTRODUCTION Plasma biomarkers are promising tools for Alzheimer's disease (AD) diagnosis, but comparisons with more established biomarkers are needed. METHODS We assessed the diagnostic performance of p‐tau 181 , p‐tau 217 , and p‐tau 231 in plasma and CSF in 174 individuals evaluated by dementia specialists and assessed with amyloid‐PET and tau‐PET. Receiver operating characteristic (ROC) analyses assessed the performance of plasma and CSF biomarkers to identify amyloid‐PET and tau‐PET positivity. RESULTS Plasma p‐tau biomarkers had lower dynamic ranges and effect sizes compared to CSF p‐tau. Plasma p‐tau 181 (AUC = 76%) and p‐tau 231 (AUC = 82%) assessments performed inferior to CSF p‐tau 181 (AUC = 87%) and p‐tau 231 (AUC = 95%) for amyloid‐PET positivity. However, plasma p‐tau 217 (AUC = 91%) had diagnostic performance indistinguishable from CSF (AUC = 94%) for amyloid‐PET positivity. DISCUSSION Plasma and CSF p‐tau 217 had equivalent diagnostic performance for biomarker‐defined AD. Our results suggest that plasma p‐tau 217 may help reduce the need for invasive lumbar punctures without compromising accuracy in the identification of AD. Highlights p‐tau 217 in plasma performed equivalent to p‐tau 217 in CSF for the diagnosis of AD, suggesting the increased accessibility of plasma p‐tau 217 is not offset by lower accuracy. p‐tau biomarkers in plasma had lower mean fold‐changes between amyloid‐PET negative and positive groups than p‐tau biomarkers in CSF. CSF p‐tau biomarkers had greater effect sizes than plasma p‐tau biomarkers when differentiating between amyloid‐PET positive and negative groups. Plasma p‐tau 181 and plasma p‐tau 231 performed worse than p‐tau 181 and p‐tau 231 in CSF for AD diagnosis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».