Optimizing tau‐PET referrals in memory clinics through a blood biomarker workflow
Notice bibliographique
Résumé
Abstract Background Blood‐based biomarkers have demonstrated great promise for identifying biomarker‐confirmed Alzheimer's disease. We aimed to evaluate whether blood‐based biomarkers could optimize the referral of memory clinic patients to a tau‐PET exam, which is crucial for prognostic evaluation. Method The study measured various plasma biomarkers (Aβ42/Aβ40, pTau181, pTau217, pTau231, NfL, and GFAP) and compared them with tau‐PET scan results in patients with subjective cognitive decline, mild cognitive impairment, or dementia. Participants were sourced from the Swedish BioFINDER‐2 study (548 individuals) and the TRIAD study (179 individuals). Cutoffs for each biomarker were established at 90%, 95%, and 97.5% sensitivity for detecting tau‐PET‐positivity. We then calculated the percentage of patients below these cutoffs (to potentially avoid unnecessary tau‐PET scans) and the tau‐PET‐positivity rate among those above the cutoffs. Result Plasma pTau217 showed the most promising results. At a 95% sensitivity cutoff in both cohorts, using pTau217 could avoid nearly half of the tau‐PET scans while maintaining a tau‐PET‐positivity rate of approximately 70% in those referred. Furthermore, tau‐PET was strongly associated with subsequent cognitive decline. In the BioFINDER‐2 cohort, tau‐PET predicted cognitive decline only in individuals above the plasma pTau217 referral cutoff, suggesting a more targeted and informative use of tau‐PET scans. Conclusion Plasma pTau217 demonstrates potential as a guiding biomarker for selecting Alzheimer’s disease patients for tau‐PET scans, particularly when accurate prognostic information is clinically valuable. This approach could lead to more efficient and informative use of tau‐PET scans, avoiding unnecessary procedures in patients unlikely to benefit from them.
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 | 0,013 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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 ».