Diagnostic and predictive power of plasma proteins in Alzheimer's disease: a cross-sectional and longitudinal study in China
Notice bibliographique
Résumé
Convenient and effective biomarkers are essential for the early diagnosis and treatment of Alzheimer's disease (AD). In the cross-sectional study, 103 patients with AD, 82 patients with aMCI and 508 normal controls (NC) were enrolled. The single-molecule array (Simoa) technique was used to assess the levels of plasma proteins, including NfL, T-tau, P-tau-181, Aβ40, Aβ42. Montreal Cognitive Assessment (MoCA) was used to assess the overall cognitive function of all subjects. Moreover, Amyloid PET and structural head MRI were also performed in a subset of the population. In the follow-up, the previous 508 normal older adults were followed up for two years, then COX regression analysis was used to investigate the association between baseline plasma proteins and future cognitive outcomes. NfL, T-tau, P-tau-181, Aβ40, Aβ42 and Aβ42/40 were altered in AD dementia, and NfL, Aβ42 and Aβ42/40 significantly outperformed all plasma proteins in differentiating AD dementia from NC, while NfL and Aβ42/40 could effectively distinguish between aMCI and NC. However, only plasma NfL was associated with future cognitive decline, and it was negatively correlated with MoCA (r = - 0.298, p < 0.001) and the volume of the left globus pallidus (r = - 0.278, p = 0.033). Plasma NfL can help distinguish between cognitively normal and cognitively impaired individuals (MCI/dementia) at the syndrome level. However, since we have not introduced other biomarkers for AD, such as PET CT or cerebrospinal fluid, and have not verified in other neurodegenerative diseases, whether plasma NFL can be used as a biomarker for AD needs to be further studied and explored.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».