MétaCan
Menu
Retour à la cohorte
Enregistrement W4415243548 · doi:10.1016/j.metop.2025.100400

FDG-PET brain glucose hypometabolism predicts Alzheimer's disease progression pathways in cognitively normal adults: A longitudinal competing risks modeling

2025· article· en· W4415243548 sur OpenAlexaff
Mustafa S. Alhasan, Ayman S. Alhasan, James Milburn, Mohammed Khalil, Abdullah Almaghraby, Omar Alharthi, Seham Hamoud, Muhammed Amir Essibayi, Yasir Hassan Elhassan, Fabrício Stewan Feltrin, Sumit Singh, Ahmed Y. Azzam

Notice bibliographique

RevueMetabolism Open · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésDiseaseDementiaDiabetes mellitusAlzheimer's diseaseBiomarkerDegenerative diseaseCarbohydrate metabolism

Résumé

récupéré en direct d'OpenAlex

Introduction: Alzheimer's disease progression follows distinct pathways in cognitively normal individuals: direct conversion to dementia versus sequential decline through mild cognitive impairment (MCI). The metabolic determinants of pathway selection remain unclear, limiting personalized intervention strategies. Methods: We analyzed 1136 cognitively normal participants from the Alzheimer's Disease Neuroimaging Initiative with baseline fluorodeoxyglucose positron emission tomography (FDG-PET) and longitudinal outcomes over ten years. Competing risks regression modeled pathway-specific transitions, while multinomial logistic regression predicted pathway membership using brain glucose metabolism. Cross-validation assessed pathway classification accuracy across temporal splits. Results: Four progression pathways were concluded from our analyses, cognitive stability (32.8 %), sequential MCI-only decline (34.9 %), accelerated MCI-to-dementia progression (15.8 %), and rapid direct conversion (16.5 %). Brain glucose hypometabolism determined pathway selection with significant effects: participants with severe hypometabolism (FDG z-score < -0.5) demonstrated 7.4-fold acceleration in direct conversion velocity compared to preserved metabolism (17.12 vs 2.31 per 100 person-years, P-value<0.001). Pathway prediction models achieved excellent discrimination for direct conversion (AUC = 0.994) and acceptable performance for sequential pathways (AUC = 0.680). Metabolic phenotyping demonstrated peculiar vulnerability profiles, cognitive stability maintained metabolic reserve (FDG +0.57 ± 0.58), while rapid converters demonstrated metabolic failure patterns (FDG -0.18 ± 0.88). Conclusions: Based on our modeling findings, we observed that brain glucose metabolism could serve as a pathway determinant rather than simply a decline predictor, which could play a promising role in precision medicine approaches to Alzheimer's disease prevention. FDG-PET biomarkers can stratify individuals for pathway-specific interventions, transforming reactive dementia care into proactive pathway-guided management.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,400
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,060
Tête enseignante GPT0,373
Écart entre enseignants0,313 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetabolism OpenMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207