Preoperative perivascular space burden predicts treatment response to deep cervical lymphovenous anastomosis in Alzheimer's disease: A pilot study
Notice bibliographique
Résumé
Background: Deep cervical lymphovenous anastomosis (DLVA) shows promise for Alzheimer's disease (AD) treatment, but patient selection criteria remain undefined. Perivascular spaces (PVS) may predict glymphatic enhancement potential. Objective: To investigate whether preoperative magnetic resonance imaging (MRI) measures of PVS burden can predict treatment response to DLVA in AD patients and explore potential mechanisms through longitudinal glymphatic function assessment. Methods: Retrospective analysis of 10 AD patients undergoing DLVA. Preoperative T1-weighted MRI quantified PVS volumes using Frangi filtering. Treatment response was assessed at one month using Mini-Mental State Examination/Montreal Cognitive Assessment improvements ≥2 points. Results: Total PVS volume demonstrated perfect predictive accuracy for treatment response (AUC = 1.000) with an optimal cut-off of 5150 mm³ (sensitivity 100%, specificity 100%). White matter PVS volume also showed strong predictive performance (AUC = 0.875, cut-off 3630 mm³, sensitivity 75%, specificity 100%). The improved group had significantly higher preoperative PVS volumes (total PVS: p = 0.012, Cohen's d = 2.631; white matter PVS: p = 0.050, Cohen's d = 1.689). Preliminary longitudinal analysis revealed divergent Analysis Along the Perivascular Space (ALPS) index changes: the improved group showed mean increase (+0.0276), while the non-improved group demonstrated decrease (-0.0252). Conclusions: Preoperative PVS burden serves as a powerful predictor of DLVA response, with higher volumes indicating sufficient anatomical reserve for therapeutic benefit. These findings establish PVS volume as clinically actionable biomarkers for precision patient selection in glymphatic-targeted AD interventions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».