Notice bibliographique
Résumé
Abstract The Alzheimer’s Disease Neuroimaging Initiative (ADNI) has made many important contributions to the development of Alzheimer’s Disease (AD) disease modifying treatments and diagnostic biomarkers. Since its funding in 2004 by the National Institutes of Aging, the goal of ADNI has been the validation of biomarkers for AD treatment trials. ADNI has enrolled over 2,400 participants in the USA and Canada for longitudinal clinical, cognitive, and biomarker studies. A major accomplishment is that ADNI data has been widely used for the design and of Phase 2 and 3 clinical trials, including Aducanumab, Lecanemab, and Donanemab. In addition, ADNI first demonstrated the feasibility of multisite amyloid PET scans leading to FDA approval for amyloid imaging. ADNI MRI and PET standardized protocols, widely used by academe and industry, have allowed the efficient collection of large image databases, with many thousands of MRI and PET scans. ADNI demonstrated the feasibility of multisite lumbar punctures and validated CSF amyloid and tau, leading to FDA approved CSF diagnosis. ADNI demonstrated relationships between clinical decline and amyloid, the role of tau in driving cognitive decline, showing the feasibility of prevention studies such as A4, AHEAD, and TrailblazerAlz3. ADNI provides all de‐identified data to the scientific community without embargo through the ADNI website adni.loni.usc.edu, leading to over 5,500 publications. The ADNI public‐private partnership model for large multisite studies provided the inspiration for many studies including: DIAN, PPMI, ALL FDT, 4RTNI, LEADS and others. ADNI’s Diversity Task Force greatly increased enrollment of under‐represented participants. Lack of inclusion of under‐represented people (especially Black and Latino adults) is a major problem for clinical trials. Our current goal is to enroll at least 50% of new participants from under‐represented groups using a culturally engaged approach with digital marketing campaigns, web‐based screening, and remote blood collection for plasma AD biomarkers. ADNI will continue to develop AD clinical trials for the future, leading to the prevention of AD symptoms and dementia.
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 | 0,067 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,013 | 0,019 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,012 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,038 |
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 ».