Optimal Weighting of Preclinical Alzheimer’s Cognitive Composite (PACC) Scales to Improve their Performance as Outcome Measures for Alzheimer’s Disease Clinical Trials
Notice bibliographique
Résumé
Introduction: Cognitive composite scales constructed by combining existing neuropsychometric tests are seeing wide application as endpoints for clinical trials and cohort studies of Alzheimer's disease (AD) predementia conditions. Preclinical Alzheimer's Cognitive Composite (PACC) scales are composite scores calculated as the sum of the component test scores weighted by the reciprocal of their standard deviations at the baseline visit. Reciprocal standard deviation is an arbitrary weighting in this context, and may be an inefficient utilization of the data contained in the component measures. Mathematically derived optimal composite weighting is a promising alternative. Methods: Sample size projections using standard power calculation formulas were used to describe the relative performance of component measures and their composites when used as endpoints for clinical trials. Power calculations were informed by (n=1,333) amnestic mild cognitive impaired participants in the National Alzheimer's Coordinating Center (NACC) Uniform Data Set. Results: A composite constructed using PACC reciprocal standard deviation weighting was both less sensitive to change than one of its component measures and less sensitive to change than its optimally weighted counterpart. In standard sample size calculations informed by NACC data, a clinical trial using the PACC weighting would require 38% more subjects than a composite calculated using optimal weighting. Discussion: These findings illustrate how reciprocal standard deviation weighting can result in inefficient cognitive composites, and underscore the importance of component weights to the performance of composite scales. In the future, optimal weighting parameters informed by accumulating clinical trial data may improve the efficiency of clinical trials in AD.
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 | 0,189 | 0,355 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».