ADNI Biomarker Core: A review of progress since 2004 and future challenges
Notice bibliographique
Résumé
BACKGROUND: We describe the Alzheimer's Disease Neuroimaging Initiative (ADNI) Biomarker Core major activities from October 2004 to March 2024, including biobanking ADNI cerebrospinal fluid (CSF), plasma, and serum biofluid samples, biofluid analyses for Alzheimer's disease (AD) biomarkers in the Biomarker Core and various non-ADNI laboratories, and continuous assessments of pre-analytics. RESULTS: Validated immunoassay and mass spectrometry-based assays were performed in CSF with a shift to plasma, a more accessible biofluid, as qualified assays became available. Performance comparisons across different CSF and plasma AD biomarker measurement platforms have enriched substantially the ADNI participant database enabling method performance determinations for AD pathology detection and longitudinal assessments of disease progression. DISCUSSION: Close collaboration with academic and industrial partners in the validation and implementation of AD biomarkers for early detection of disease pathology in treatment trials and ultimately in clinical practice is a key factor for the success of the work done in the Biomarker Core. HIGHLIGHTS: Describe ADNI Biomarker Core biobanking and sample distribution from 2007 to 2024. Discuss validated mass spectrometry and immunoassay methods for ADNI biofluid analyses. Review collaborations with academic and industrial partners to detect AD and progression. Discuss major challenges, and progress to date, for co-pathology detection. Implementation in the ATN scheme: co-pathology and modeling disease progression.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».