Diverse tau pathologies in late‐life mood disorders revealed by PET and autopsy assays
Notice bibliographique
Résumé
INTRODUCTION: Late-life mood disorders (LLMDs) may represent prodromal manifestations of neurodegenerative dementia; however, the neuropathological basis of LLMDs, including depression and bipolar disorder, remains unclear. We aimed to investigate the involvement of Alzheimer's disease (AD) and non-AD tau pathologies in LLMD participants. METHODS: C-Pittsburgh compound B. Additionally, we conducted a clinicopathological correlation analysis in 208 autopsy cases, including various neurodegenerative diseases. RESULTS: LLMD participants were more likely to be tau PET and Aβ PET positive than HCs. The PET results were supported by the post mortem results that showed a higher likelihood of diverse tauopathies in patients with late-life mania or depression than those without. DISCUSSION: Our PET and autopsy assays suggest that AD and diverse non-AD tau pathologies might underlie the neuropathological basis of some LLMD cases. HIGHLIGHTS: Late-life mood disorders (LLMDs) may represent prodromal states of dementia. The neuropathological basis of LLMDs remains unclear. LLMD subjects were highly likely to be tau positron emission tomography (PET) positive. Brain bank data supported our PET results. Alzheimer's disease (AD) and diverse non-AD tau pathologies can contribute to LLMDs.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».