A minimally invasive biomarker for sensitive and accurate diagnosis of Parkinson’s disease
Notice bibliographique
Résumé
Seeding activities of disease-associated α-synuclein aggregates (αSyn D ), a hallmark of Parkinson’s disease (PD), are detectable by seed amplification assay (αSyn-SAA) and being developed as a diagnostic biomarker for PD. Sensitive and accurate αSyn-SAA for blood or saliva would greatly facilitate PD diagnosis. This prospective diagnostic study conducted αSyn-SAA analyses on serum and saliva samples collected from patients clinically diagnosed with PD or healthy controls (HC). 124 subjects (82 PD, 42 HC) donated blood and had extensive clinical assessments, of whom 74 subjects (48 PD, 26 HC) also donated saliva at the same visits. An additional 57 subjects (35 PD, 22 HC) donated saliva and had more limited clinical assessments. The mean ages were 69.21, 66.55, 69.58, and 64.71 years for PD serum donors, HC serum donors, PD saliva donors, and HC saliva donors, respectively. αSyn D seeding activities in either sample type alone or both sample types together were evaluated for PD diagnosis. Serum αSyn-SAA data from 124 subjects showed 80.49% sensitivity, 90.48% specificity, and 0.9006 accuracy (AUC of ROC); saliva αSyn-SAA data from 131 subjects attained 74.70% sensitivity, 97.92% specificity, and 0.8966 accuracy. Remarkably, the combined serum and saliva αSyn-SAA from 74 subjects with both sample types achieved better diagnostic performance: 95.83% sensitivity, 96.15% specificity, and 0.98 accuracy. In addition, serum αSyn D seeding activities correlated inversely with Montreal Cognitive Assessment in males and positively with Hamilton Depression Rating Scale in females and in the < 70 age group, whereas saliva αSyn D seeding activities correlated inversely with age at diagnosis in males and in the < 70 age group. Our data indicate that serum and saliva αSyn-SAA together can achieve high diagnostic accuracy for PD comparable to that of CSF αSyn-SAA, suggesting their potential utility for highly sensitive, accurate, and minimally invasive diagnosis of PD in routine clinical practice and clinical studies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».