Prevalence and clinicopathological features of primary age‐related tauopathy (PART): A large forensic autopsy study
Notice bibliographique
Résumé
INTRODUCTION: Primary age-related tauopathy (PART), often regarded as a minimally symptomatic pathology of old age, lacks comprehensive cohorts across various age groups. METHODS: We examined PART prevalence and clinicopathologic features in 1589 forensic autopsy cases (≥40 years old, mean age ± SD 70.2 ± 14.2 years). RESULTS: PART cases meeting criteria for argyrophilic grain diseases (AGD) were AGD+PART (n = 181). The remaining PART cases (n = 719, 45.2%) were classified as comorbid conditions (PART-C, n = 90) or no comorbid conditions (pure PART, n = 629). Compared to controls (n = 208), Alzheimer's disease (n = 133), and AGD+PART, PART prevalence peaked in the individuals in their 60s (65.5%) and declined in the 80s (21.5%). No significant clinical background differences were found (excluding controls). However, PART-C in patients inclusive of age 80 had a higher suicide rate than pure PART (p < 0.05), and AGD+PART showed more dementia (p < 0.01) and suicide (p < 0.05) than pure PART. DISCUSSION: Our results advocate a reevaluation of the PART concept and its diagnostic criteria. HIGHLIGHTS: We investigated 1589 forensic autopsy cases to investigate the features of primary age-related tauopathy (PART). PART peaked in people in their 60s in our study. Many PART cases over 80s had comorbid pathologies in addition to neurofibrillary tangles pathology. Argyrophilic grain disease and Lewy pathology significantly affected dementia and suicide rates in PART. Our results suggest that the diagnostic criteria of PART need to be reconsidered.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».