MétaCan
Menu
Retour à la cohorte
Enregistrement W4406200873 · doi:10.1002/alz.093024

ALZpath pTau217: Alzheimer’s disease specificity in the context of multiple comorbidities and predictive capabilities for amyloid burden in combination with other blood‐based biomarkers

2024· article· en· W4406200873 sur OpenAlexaff
Lauren Chaby, Jacob Borello, Timothy E. Vaughan, Stuart Portbury, Hans Frykman, Anna Mammel, Mary Joy Encarnacion, Geidy E. Serrano, Thomas G. Beach, Colin L. Masters, Christopher C. Rowe, Christopher Fowler, Rachael E. Wilson, Lianlian Du, Erin M. Jonaitis, Sterling C. Johnson, Andreas Jeromin

Notice bibliographique

RevueAlzheimer s & Dementia · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)DiseaseAmyloid (mycology)MedicineAlzheimer's diseaseAmyloid βIntensive care medicineInternal medicinePathologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Tau phosphorylated at position 217 (pTau217) is considered to have the highest accuracy in identifying Alzheimer’s disease (AD) pathology using blood. We describe a multi‐cohort evaluation of the Simoa ALZpath pTau217 assay for the prediction of amyloid status in combination with additional blood‐based AD biomarkers (GFAP, pTau181, etc.), as well as comparisons between histopathological and PET based amyloid measurements. We describe the contribution of a spectrum of neurodegenerative diseases and demographic features to circulating plasma pTau217 levels. Method The Simoa ALZpath pTau217 assay is an ultra‐sensitive blood‐based assay developed on the semi‐automated single‐molecule array Simoa platform. We evaluate Simoa ALZpath pTau217 in the Banner Brain and Body Donation Program (characterized by several clinically meaningful comorbidities and mid‐to‐late stage AD; pTau217 subset: mean Braak Score = 4.17, ADNC High Plaques = 28%, ADNC Intermediate Plaques = 33%), the Wisconsin Registry for Alzheimer’s Prevention (a longitudinal cohort focused on healthy cognition through MCI), and a cognitively normal amyloid negative subset of the Australian Imaging, Biomarker and Lifestyle (AIBL) study. Result We discuss ALZpath pTau217 predictive capabilities in the context of PET imaging and post‐mortem histopathology for total and region‐specific pathological burden and the relative contribution of other blood‐based biomarkers and demographic features. We also report AD and MCI specificity in driving plasma levels of ALZpath pTau217 in the context of multiple comorbidities including CAA, DLB, and VAD. Conclusion Findings support ALZpath pTau217 as a high performing biomarker of CNS amyloid and tau burden that is driven specifically by AD and MCI in the context of multiple comorbidities. The ALZpath pTau217 performance capabilities can support timely AD diagnosis and intervention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,284
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetComputational Drug Discovery MethodsTravaux en français237 207