Novel insights into relationships between metabolic covariance patterns of FDG-PET data and clinical status in Parkinson's disease using partial least squares correlation analysis
Notice bibliographique
Résumé
IntroductionMetabolic covariance patterns derived from imaging data help characterize disease-related physiological changes in several neurodegenerative disorders, including Parkinson's disease (PD), but their relevance to different disease stages and/or clinical variables related to disease or disease predisposition, such as age, is often unclear.MethodsWe incorporated clinical information in deriving metabolic covariance patterns relevant to different aspects of PD: disease initiation, disease progression, and physiological similarities in PD and healthy aging. This was achieved by combining Partial Least Squares Correlation analysis with Scaled Subprofile Modeling (SSM-PLSC).ResultsWhen combining PD and HC data, SSM-PLSC identified a spatial pattern similar to the well-known PD-related disease pattern as expected; when applied to PD-only data-thus emphasizing disease progression-the spatial pattern became characterized by expanding putaminal hypermetabolism and reduced emphasis on cerebellar hypermetabolism. Finally, when applied to PD and HC data but permitting a different dependence on clinical variables, SSM-PLSC identified a spatial pattern with relative hypermetabolism in the basal ganglia, brain stem, and white matter together with relative hypometabolism in frontal cortex; in HC this pattern solely related to age, while in PD the same pattern significantly correlated with both age and disease duration.ConclusionWe identified metabolic patterns that are more closely related with different aspects of PD, directly derived from relationships between metabolic alterations and clinical variables. We also revealed metabolic signatures common to PD and aging, which may highlight age-related metabolic changes that form a predisposition to PD, as age is the single highest risk factor for PD.Plain language summary titleBrain changes in Parkinson's disease and their relationship to clinical aspects of disease.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».