Plasma pTau‐217 and N‐terminal tau (NTA) enhance sensitivity to identify tau PET positivity in amyloid‐β positive individuals
Notice bibliographique
Résumé
Abstract INTRODUCTION We set out to identify tau PET‐positive (A+T+) individuals among amyloid‐beta (Aβ) positive participants using plasma biomarkers. METHODS In this cross‐sectional study we assessed 234 participants across the AD continuum who were evaluated by amyloid PET with [18F]AZD4694 and tau‐PET with [18F]MK6240 and measured plasma levels of total tau, pTau‐181, pTau‐217, pTau‐231, and N‐terminal tau (NTA‐tau). We evaluated the performances of plasma biomarkers to predict tau positivity in Aβ+ individuals. RESULTS Highest associations with tau positivity in Aβ+ individuals were found for plasma pTau‐217 (AUC [CI95%] = 0.89 [0.82, 0.96]) and NTA‐tau (AUC [CI95%] = 0.88 [0.91, 0.95]). Combining pTau‐217 and NTA‐tau resulted in the strongest agreement (Cohen's Kappa = 0.74, CI95% = 0.57/0.90, sensitivity = 92%, specificity = 81%) with PET for classifying tau positivity. DISCUSSION The potential for identifying tau accumulation in later Braak stages will be useful for patient stratification and prognostication in treatment trials and in clinical practice. Highlights We found that in a cohort without pre‐selection pTau‐181, pTau‐217, and NTA‐tau showed the highest association with tau PET positivity. We found that in Aβ+ individuals pTau‐217 and NTA‐tau showed the highest association with tau PET positivity. Combining pTau‐217 and NTA‐tau resulted in the strongest agreement with the tau PET‐based classification.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».