The role of visual rating and automated brain volumetry in early detection and differential diagnosis of Alzheimer's disease
Notice bibliographique
Résumé
BACKGROUND: Medial temporal lobe atrophy (MTA) is a diagnostic marker for mild cognitive impairment (MCI) and Alzheimer's disease (AD), but the accuracy of quantitative MTA (QMTA) in diagnosing early AD is unclear. This study aimed to investigate the accuracy of QMTA and its related components (inferior lateral ventricle [ILV] and hippocampus) with MTA in the early diagnosis of MCI and AD. METHODS: This study included four groups: normal (NC), MCI stable (MCIs), MCI converted to AD (MCIs), and mild AD (M-AD) groups. Magnetic resonance image analysis software was used to quantify the hippocampus, ILV, and QMTA. MTA was rated by two experienced neurologists. Receiver operating characteristic area under the curve (AUC) analysis was performed to compare their capability in differentiating AD from NC and MCI, and optimal thresholds were determined using the Youden index. RESULTS: = 0.730). The diagnostic accuracy of QMTA was superior to that of MTA, the hippocampus, and ILV in differentiating MCI from AD. The diagnostic accuracy of QMTA was found to remain the best across age, sex, and pathological subgroups analyzed. The sensitivity (92.45%) and specificity (90.64%) were higher in this study when a cutoff value of 0.635 was chosen for QMTA. CONCLUSIONS: QMTA may be a better choice than the MTA scale or the associated quantitative components alone in identifying AD patients and MCI individuals with higher progression risk.
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 | 0,000 | 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) | 0,000 | 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 ».