MétaCan
Menu
Retour à la cohorte
Enregistrement W4415077881 · doi:10.1002/alz.70765

Body mass index and blood volume influence plasma biomarkers and positron emission tomography classification in preclinical Alzheimer's disease

2025· article· en· W4415077881 sur OpenAlexfundno aff
Tovia Jacobs, Ciara O Brien, Luisa F Figueredo, Alexandra Gogola, Naomi L. Gaggi, Brian Hurwitz, Elizabeth Pirraglia, Shimon Herzog, Jaime Ramos‐Cejudo, Timothy M. Shepherd, Priya Palta, Juan Fortea, Thomas Wısnıewskı, Rebecca A. Betensky, Brian J. Lopresti, Michelle M. Mielke, Antonio Convit, Ricardo S. Osorio

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundInstituto de Salud Carlos IIICanadian Institutes of Health ResearchHorizon 2020 Framework ProgrammeGenentechNational Institutes of HealthIXICOCentro de Investigación Biomédica en Red sobre Enfermedades NeurodegenerativasH. Lundbeck A/SServierFundación Tatiana Pérez de Guzmán el BuenoMinisterio de Asuntos Económicos y Transformación Digital, Gobierno de EspañaEisaiGeneralitat de CatalunyaNorthern California Institute for Research and EducationUniversity of Southern CaliforniaPfizerBioClinicaBiogenU.S. Department of DefenseBrightFocus FoundationEli Lilly and CompanyBristol-Myers SquibbEuropean CommissionMeso Scale DiagnosticsAlzheimer's Disease Neuroimaging InitiativeNovartis Pharmaceuticals CorporationAlzheimer's Association
Mots-clésPositron emission tomographyBlood volumeBody mass indexPlasma volumePositronAmyloid (mycology)Positron emissionBlood plasma

Résumé

récupéré en direct d'OpenAlex

Abstract INTRODUCTION Blood‐based biomarkers (BBMs) are promising tools for Alzheimer's disease (AD) diagnosis, but their accuracy may be affected by body mass index (BMI) and blood volume (BV) through dilution. We investigated how BMI and BV influence BBM concentrations and PET prediction. METHODS Data from 241 cognitively unimpaired participants in the Alzheimer's Disease Neuroimaging Initiative (ADNI) were examined to evaluate the influence of BMI/BV on BBMs (Aβ 42/40 , p‐Tau 181 , p‐Tau 217 , glial fibrillary acidic protein [GFAP], neurofilament light chain [NfL]) and BBM‐based PET predictions. RESULTS Elevated BMI/BV associated with lower BBM concentrations, especially for p‐Tau 217 and NfL, independent of brain amyloid burden. BMI‐stratified thresholds improved amyloid PET prediction, with higher BBM thresholds and area under the curve (AUC) values seen in normal weight compared to overweight or obese participants. Drastic BMI/BV declines due to weight loss increased BBM variability and systematic PET misclassification. DISCUSSION Adjusting for BMI/BV in BBM‐based diagnostics appears to improve accuracy and reliable detection of AD pathology, especially in preclinical stages. Highlights Body mass index (BMI) and blood volume (BV) significantly influenced plasma BBM concentrations in cognitively unimpaired (CU) individuals. Blood‐based biomarkers (BBMs) associated more strongly with BV than with BMI. Dilution effects were independent of brain amyloid burden. BMI‐stratified BBM thresholds improved amyloid positron emission tomography (PET) classification accuracy. Declines in BMI/BV resulted in PET prediction bias and systematic errors.

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)0,004
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
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
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 Opus0,020
Tête enseignante GPT0,323
Écart entre enseignants0,304 · 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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207