A blood-based biomarker workflow for optimal tau-PET referral in memory clinic settings
Notice bibliographique
Résumé
Blood-based biomarkers for screening may guide tau positrion emissition tomography (PET) scan referrals to optimize prognostic evaluation in Alzheimer's disease. Plasma Aβ42/Aβ40, pTau181, pTau217, pTau231, NfL, and GFAP were measured along with tau-PET in memory clinic patients with subjective cognitive decline, mild cognitive impairment or dementia, in the Swedish BioFINDER-2 study (n = 548) and in the TRIAD study (n = 179). For each plasma biomarker, cutoffs were determined for 90%, 95%, or 97.5% sensitivity to detect tau-PET-positivity. We calculated the percentage of patients below the cutoffs (who would not undergo tau-PET; "saved scans") and the tau-PET-positivity rate among participants above the cutoffs (who would undergo tau-PET; "positive predictive value"). Generally, plasma pTau217 performed best. At the 95% sensitivity cutoff in both cohorts, pTau217 resulted in avoiding nearly half tau-PET scans, with a tau-PET-positivity rate among those who would be referred for a scan around 70%. And although tau-PET was strongly associated with subsequent cognitive decline, in BioFINDER-2 it predicted cognitive decline only among individuals above the referral cutoff on plasma pTau217, supporting that this workflow could reduce prognostically uninformative tau-PET scans. In conclusion, plasma pTau217 may guide selection of patients for tau-PET, when accurate prognostic information is of clinical value.
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 | 0,012 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,008 |
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 ».