Stress testing the Centiloid: Precision and variability of PET quantification of amyloid pathology
Notice bibliographique
Résumé
INTRODUCTION: Assessing the potential sources of bias and variability of the Centiloid (CL) scale is fundamental for its appropriate clinical application. METHODS: We included 533 participants from AMYloid imaging to Prevent Alzheimer's Disease (AMYPAD DPMS) and Alzheimer's Disease Neuroimaging Initiative (ADNI) cohorts. Thirty-two CL pipelines were created using different combinations of reference region (RR), RR and target types, and quantification spaces. Generalized estimating equations stratified by amyloid positivity were used to assess the impact of the quantification pipeline, radiotracer, age, brain atrophy, and harmonization status on CL. RESULTS: RR selection and RR type impact CL the most, particularly in amyloid-negative individuals. The standard CL pipeline with the whole cerebellum as RR is robust against brain atrophy and differences in image resolution, with 95% confidence intervals below ± 3.95 CL for amyloid beta positivity cutoffs (CL < 24). DISCUSSION: The standard CL pipeline is recommended for most scenarios. Confidence intervals should be considered when operationalizing CL cutoffs in clinical and research settings. HIGHLIGHTS: We developed a framework for evaluating Centiloid (CL) variability to different factors. Reference region selection and delineation had the highest impact on CL values. Whole cerebellum (WCB) and whole cerebellum plus brainstem (WCB+BSTM) as reference regions yielded consistent results across tracers. The standard CL pipeline is robust against atrophy and image resolution variation. Estimated within- and between-pipeline variability (95% confidence interval) in absolute CL units.
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 | 0,074 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».