A two-step workflow based on plasma p-tau217 to screen for amyloid β positivity with further confirmatory testing only in uncertain cases
Notice bibliographique
Résumé
Cost-effective strategies for identifying amyloid-β (Aβ) positivity in patients with cognitive impairment are urgently needed with recent approvals of anti-Aβ immunotherapies for Alzheimer's disease (AD). Blood biomarkers can accurately detect AD pathology, but it is unclear whether their incorporation into a full diagnostic workflow can reduce the number of confirmatory cerebrospinal fluid (CSF) or positron emission tomography (PET) tests needed while accurately classifying patients. We evaluated a two-step workflow for determining Aβ-PET status in patients with mild cognitive impairment (MCI) from two independent memory clinic-based cohorts (n = 348). A blood-based model including plasma tau protein 217 (p-tau217), age and APOE ε4 status was developed in BioFINDER-1 (area under the curve (AUC) = 89.3%) and validated in BioFINDER-2 (AUC = 94.3%). In step 1, the blood-based model was used to stratify the patients into low, intermediate or high risk of Aβ-PET positivity. In step 2, we assumed referral only of intermediate-risk patients to CSF Aβ42/Aβ40 testing, whereas step 1 alone determined Aβ-status for low- and high-risk groups. Depending on whether lenient, moderate or stringent thresholds were used in step 1, the two-step workflow overall accuracy for detecting Aβ-PET status was 88.2%, 90.5% and 92.0%, respectively, while reducing the number of necessary CSF tests by 85.9%, 72.7% and 61.2%, respectively. In secondary analyses, an adapted version of the BioFINDER-1 model led to successful validation of the two-step workflow with a different plasma p-tau217 immunoassay in patients with cognitive impairment from the TRIAD cohort (n = 84). In conclusion, using a plasma p-tau217-based model for risk stratification of patients with MCI can substantially reduce the need for confirmatory testing while accurately classifying patients, offering a cost-effective strategy to detect AD in memory clinic settings.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».