A cross‐sectional study of α‐synuclein seed amplification assay in Alzheimer's disease neuroimaging initiative: Prevalence and associations with Alzheimer's disease biomarkers and cognitive function
Notice bibliographique
Résumé
INTRODUCTION: Alzheimer's disease (AD) pathology is defined by β-amyloid (Aβ) plaques and neurofibrillary tau, but Lewy bodies (LBs; 𝛼-synuclein aggregates) are a common co-pathology for which effective biomarkers are needed. METHODS: A validated α-synuclein Seed Amplification Assay (SAA) was used on recent cerebrospinal fluid (CSF) samples from 1638 Alzheimer's Disease Neuroimaging Initiative (ADNI) participants, 78 with LB-pathology confirmation at autopsy. We compared SAA outcomes with neuropathology, Aβ and tau biomarkers, risk-factors, genetics, and cognitive trajectories. RESULTS: SAA showed 79% sensitivity and 97% specificity for LB pathology, with superior performance in identifying neocortical (100%) compared to limbic (57%) and amygdala-predominant (60%) LB-pathology. SAA+ rate was 22%, increasing with disease stage and age. Higher Aβ burden but lower CSF p-tau181 associated with higher SAA+ rates, especially in dementia. SAA+ affected cognitive impairment in MCI and Early-AD who were already AD biomarker positive. DISCUSSION: SAA is a sensitive, specific marker for LB-pathology. Its increase in prevalence with age and AD stages, and its association with AD biomarkers, highlights the clinical importance of α-synuclein co-pathology in understanding AD's nature and progression. HIGHLIGHTS: SAA shows 79% sensitivity, 97% specificity for LB-pathology detection in AD. SAA positivity prevalence increases with disease stage and age. Higher Aβ burden, lower CSF p-tau181 linked with higher SAA+ rates in dementia. SAA+ impacts cognitive impairment in early disease stages. Study underpins need for wider LB-pathology screening in AD treatment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».