The Performance of Memory Scales for Predicting Alzheimer’s Disease Biomarkers in Amnestic Mild Cognitive Impairment Patients
Notice bibliographique
Résumé
BACKGROUND: Anti-amyloid-β therapies have been approved to treat mild Alzheimer's disease (AD) and amnestic mild cognitive impairment (aMCI) due to AD. Therefore, diagnosis of AD pathologies is crucial for selecting patients for treatment. Positron emission topography (PET) is used to detect biomarkers for β-amyloid (A) and tau (T). However, the availability of PET is still limited. Neuropsychological tests may help to select patients who are likely to have AD pathologies. This study aims to select a scale with high performance for AD biomarkers in aMCI patients. METHOD: Participants with aMCI were recruited from the Memory Clinic at King Chulalongkorn Memorial Hospital. PET was used to detect AD biomarkers. The Wechsler Memory Scale, Fourth Edition (WMS-IV) and the Montreal Cognitive Assessment (MoCA) were carried out. We selected four scales which are frequently used to assess AD patients including Visual Reproduction (VR), Logical Memory (LM), and Verbal Paired Associates (VPA) from the WMS-IV and the Memory Index Scale (MIS) from the MoCA to analyze as predictors. Patients with A+T+ were defined as aMCI with AD biomarkers (aMCI-AD). Patients with A+T- and A-T- were defined as aMCI with non-pathophysiology of AD (aMCI-npAD). Multivariable logistic regression was used to construct the predictive model. Area under receiver operating characteristic curve (AUROC) was used to identify the best model in predicting A+T+. RESULT: Among 35 participants enrolled (18 aMCI-AD and 17 aMCI-npAD), 25 (71.4%) were female. The mean age and education were 71.3±8.1 and 13.8±4.4 years, respectively. The predictive model using LM demonstrated the highest AUROC of 0.84 (95%CI 0.70-0.93), with a sensitivity, specificity, positive predictive value, and negative predictive value of 0.83, 0.71, 0.75, and 0.80, respectively, at the cut-point with highest accuracy of 77.1%; followed by VR (AUROC 0.78; 95%CI 0.61-0.95), MIS (0.74; 95%CI 0.57-0.91), and VPA (0.68; 95%CI 0.50-0.87). CONCLUSION: LM has the highest performance for AD pathologies among the 4 scales to predict AD biomarkers in aMCI. We propose that before undergoing PET, LM may be an appropriate test for selected aMCI patients with a high chance of having AD pathologies.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».