Considerations for Use of Blood-Based Biomarkers in Epidemiologic Dementia Research
Notice bibliographique
Résumé
Dementia represents a growing public health burden with large social, racial, and ethnic disparities. The etiology of dementia is poorly understood, and the lack of robust biomarkers in diverse, population-representative samples is a barrier to moving dementia research forward. Existing biomarkers and other measures of pathology-derived from neuropathology, neuroimaging, and cerebrospinal fluid samples-are commonly collected from predominantly White and highly educated samples drawn from academic medical centers in urban settings. Blood-based biomarkers are noninvasive and less expensive, offering promise to expand our understanding of the pathophysiology of dementia, including in participants from historically excluded groups. Although largely not yet approved by the Food and Drug Administration or used in clinical settings, blood-based biomarkers are increasingly included in epidemiologic studies on dementia. Blood-based biomarkers in epidemiologic research may allow the field to more accurately understand the multifactorial etiology and sequence of events that characterize dementia-related pathophysiological changes. As blood-based dementia biomarkers continue to be developed and incorporated into research and practice, we outline considerations for using them in dementia epidemiology, and illustrate key concepts with Alzheimer's Disease Neuroimaging Initiative (2003-present) data. We focus on measurement, including both validity and reliability, and on the use of dementia blood-based biomarkers to promote equity in dementia research and cognitive aging. This article is part of a Special Collection on Mental Health.
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 | 0,652 | 0,720 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,021 |
| Communication savante | 0,019 | 0,019 |
| Science ouverte | 0,009 | 0,009 |
| Intégrité de la recherche | 0,019 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».