Diagnosis of Alzheimer’s disease using plasma biomarkers adjusted to clinical probability
Notice bibliographique
Résumé
Recently approved anti-amyloid immunotherapies for Alzheimer's disease (AD) require evidence of amyloid-β pathology from positron emission tomography (PET) or cerebrospinal fluid (CSF) before initiating treatment. Blood-based biomarkers promise to reduce the need for PET or CSF testing; however, their interpretation at the individual level and the circumstances requiring confirmatory testing are poorly understood. Individual-level interpretation of diagnostic test results requires knowledge of disease prevalence in relation to clinical presentation (clinical pretest probability). Here, in a study of 6,896 individuals evaluated from 11 cohort studies from six countries, we determined the positive and negative predictive value of five plasma biomarkers for amyloid-β pathology in cognitively impaired individuals in relation to clinical pretest probability. We observed that p-tau217 could rule in amyloid-β pathology in individuals with probable AD dementia (positive predictive value above 95%). In mild cognitive impairment, p-tau217 interpretation depended on patient age. Negative p-tau217 results could rule out amyloid-β pathology in individuals with non-AD dementia syndromes (negative predictive value between 90% and 99%). Our findings provide a framework for the individual-level interpretation of plasma biomarkers, suggesting that p-tau217 combined with clinical phenotyping can identify patients where amyloid-β pathology can be ruled in or out without the need for PET or CSF confirmatory testing.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».