Rationale and Design of the “DIagnostic and Prognostic Precision Algorithm for behavioral variant Frontotemporal Dementia” (DIPPA-FTD) Study: A Study Aiming to Distinguish Early Stage Sporadic FTD from Late-Onset Primary Psychiatric Disorders
Notice bibliographique
Résumé
BACKGROUND: The behavioral variant of frontotemporal dementia (bvFTD) is very heterogeneous in pathology, genetics, and disease course. Unlike Alzheimer's disease, reliable biomarkers are lacking and sporadic bvFTD is often misdiagnosed as a primary psychiatric disorder (PPD) due to overlapping clinical features. Current efforts to characterize and improve diagnostics are centered on the minority of genetic cases. OBJECTIVE: The multi-center study DIPPA-FTD aims to develop diagnostic and prognostic algorithms to help distinguish sporadic bvFTD from late-onset PPD in its earliest stages. METHODS: The prospective DIPPA-FTD study recruits participants with late-life behavioral changes, suspect for bvFTD or late-onset PPD diagnosis with a negative family history for FTD and/or amyotrophic lateral sclerosis. Subjects are invited to participate after diagnostic screening at participating memory clinics or recruited by referrals from psychiatric departments. At baseline visit, participants undergo neurological and psychiatric examination, questionnaires, neuropsychological tests, and brain imaging. Blood is obtained to investigate biomarkers. Patients are informed about brain donation programs. Follow-up takes place 10-14 months after baseline visit where all examinations are repeated. Results from the DIPPA-FTD study will be integrated in a data-driven approach to develop diagnostic and prognostic models. CONCLUSIONS: DIPPA-FTD will make an important contribution to early sporadic bvFTD identification. By recruiting subjects with ambiguous or prodromal diagnoses, our research strategy will allow the characterization of early disease stages that are not covered in current sporadic FTD research. Results will hopefully increase the ability to diagnose sporadic bvFTD in the early stage and predict progression rate, which is pivotal for patient stratification and trial design.
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 | 0,099 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».